modelo de programaciÓn matemÁtica para …...2 modelo de programaciÓn matemÁtica para la cadena...
TRANSCRIPT
1
MODELO DE PROGRAMACIÓN MATEMÁTICA PARA LA CADENA PRODUCTIVA DEL BIOCOMBUSTIBLE BIODIESEL, EN EL DEPARTAMENTO
DEL META, COLOMBIA
MANUEL JOSÉ BARÓN MOLINA
UNIVERSIDAD CATÓLICA DE COLOMBIA FACULTAD DE INGENIERÍA
MAESTRÍA EN INGENIERÍA INDUSTRIAL BOGOTÁ
2013
2
MODELO DE PROGRAMACIÓN MATEMÁTICA PARA LA CADENA PRODUCTIVA DEL BIOCOMBUSTIBLE BIODIESEL, EN EL DEPARTAMENTO
DEL META, COLOMBIA
MANUEL JOSÉ BARÓN MOLINA
Trabajo de grado para optar al título de Magister en Ingeniería Industrial
Director Msc. Ing. JAVIER ARTURO ORJUELA CASTRO
Magister en Investigación de Operaciones y Estadística
UNIVERSIDAD CATÓLICA DE COLOMBIA FACULTAD DE INGENIERÍA
MAESTRÍA EN INGENIERÍA INDUSTRIAL BOGOTÁ
2013
3
4
NOTA DE ACEPTACIÒN
__________________________________ __________________________________ __________________________________ __________________________________ __________________________________
__________________________________ Presidente del Jurado
__________________________________ Jurado
__________________________________ Jurado
Bogotá, 18, septiembre, 2013
5
A María Lucia Molina (+)
6
AGRADECIMIENTOS
Expreso un sincero agradecimiento a todos aquellos que con su ayuda han colaborado en la realización del presente trabajo, en especial al Ingeniero Javier Arturo Orjuela Castro, director del mismo, por la orientación, el seguimiento y la supervisión continúa. Especial reconocimiento merece el Ingeniero Johan Alexander Aranda Pinilla, por su apoyo en el desarrollo matemático, con quien me encuentro en deuda por el ánimo infundido y la confianza en mí depositada por él. Un agradecimiento muy especial merece la comprensión, paciencia y el ánimo recibidos de mi familia y amigos. A todos ellos, muchas gracias.
7
CONTENIDO
pág. INTRODUCCIÓN 17 1. MARCO REFERENCIAL 19 1.1 MARCO CONCEPTUAL 19 1.2 OBJETO TEÓRICO 19 1.2.1 Logística 19 1.2.2 Gestión de la Cadena de Suministro 22 1.3 OBJETO PRÁCTICO 23 1.3.1 Biocombustibles 23 1.3.1.1 Bioetanol 24 1.3.1.2 Biodiesel 24 1.3.2 Biodiésel mezcla (ACPM, Aceite Combustible Para Motor) 25 1.3.3 Aceite Vegetal. 25 1.4 PALMA DE ACEITE (ELAEIS GUINEENSIS) 25 1.5 ANTECEDENTES 26 1.5.1Producción de Biodiesel 26 1.5.1.1 Costos 29 1.5.1.2 Materias Primas 31 1.6 EVOLUCIÓN Y FUTURO DEL BIODIÉSEL 33 1.7 ESTRUCTURA DE LA CADENA PRODUCTIVA DEL BIODIÉSEL 35 1.8 BIODIESEL A PARTIR DE PALMA AFRICANA EN COLOMBIA 41 1.9 HERRAMIENTAS MATEMÁTICAS UTILIZADAS PARA LA GESTIÓN DE LA CADENA PRODUCTIVA DEL BIODIÉSEL 46 1.9.1Clasificación 46 1.9.2 Cronología de los Modelos Matemáticos para la Gestión de la Cadena Productiva del Biodiesel 55 1.9.2.1 Biomasa Lignocelulósica 56 1.9.2.2. Cultivos de Azúcar o Almidón 58 1.9.2.4 Subproductos y Residuos 60 2. METODOLOGÍA 63 2.1 SITUACIÓN ACTUAL 64 2.2 DISEÑO DE LA INVESTIGACIÓN 65 2.3 RECOLECCIÓN DE DATOS 66 2.3.1 Reconocimiento e Identificación del Sistema 66 2.3.1.1 Cultivadores 67 2.3.1.2Extractoras de Aceite 68 2.3.1.3 Biorrefinadoras 68 2.3.1.4 Mezcladoras 73 2.3.2 Técnica de Solución 75
8
pág.
3. MODELO LOGÍSTICO DE PROGRAMACIÓN MATEMÁTICA 77 PARA EL FLUJO DE RECURSOS Y AMPLIACIÓN DE CAPACIDADES 77 3.1 SUBÍNDICES 77 3.2 SUPERÍNDICES 77 3.3 PARÁMETROS 77 3.3.1 Demanda 77 3.3.2 Factores de Conversión 77 3.3.3 Costo de Transporte 78 3.3.4 Capacidades 78 3.3.4.1 Capacidades de Producción 78 3.3.4.2 Capacidades de Almacenamiento 78 3.3.4.3 Capacidades de Transporte 78 3.4.3.4 Capacidades de Instalación 79 3.3.4.5 Capacidades de Inventario 79 3.4 VARIABLES 79 3.4.1Variables de Flujo 79 3.4.2 Variables de Inventario 79 3.4.3 Variables de Incremento de Capacidad 80 3.4.4 Variables de Capacidad 80 3.5 FORMULACIÓN 80 3.5.1 Función Objetivo 80 3.5.2 Restricciones 80 3.6 PARAMETRIZACIÓN DEL MODELO 83 3.6.1 Índices 83 3.6.1.1 Cultivos j 83 3.6.1.2 Extractoras de Aceite k 84 3.6.1.3 Biorrefinadoras de Aceite l 85 3.6.1.4 Mezcladoras m 85 3.6.1.5 Periodos t 86
3.6.2 mtD: Demanda de Diésel de la Mezcladora m en el año t (galones) 86
3.6.2.1 Determinación de la Demanda por Zonas 87 3.6.3 Factores de Conversión 91 3.6.4Costos de Transporte 91 3.6.5 Capacidades 95 3.6.6 Costos Fijos 97 4. RESULTADOS 99 4.1 FUNCIÓN OBJETIVO (MINIMIZACIÓN) 99
4.2 p
jtX : CANTIDAD DE PALMA COSECHADA EN EL CULTIVO J EN EL
PERIODO T (TONELADAS) 100
9
pág.
4.3 p
jktQ : CANTIDAD DE PALMA TRANSPORTADA DEL CULTIVO J A LA
EXTRACTORA K EN EL AÑO T (TONELADAS) 100 4.4 a
kltQ : CANTIDAD DE ACEITE TRANSPORTADO DE LA EXTRACTORA K
A LA BIORREFINERÍA L EN EL AÑO T (TONELADAS) Y b
lmtQ : CANTIDAD DE
BIODIESEL TRANSPORTADO DE LA REFINERÍA L A LA MEZCLADORA M EN EL AÑO T (TONELADAS) 103
4.5p
jtI : NIVEL DE INVENTARIO DE PALMA EN EL CULTIVO J AL FINAL DEL
AÑO T (TONELADAS) 104 4.6 a
ktI : NIVEL DE INVENTARIO DE ACEITE EN LA EXTRACTORA K AL FINAL
FINAL DEL AÑO T (TONELADAS) 105 4.7 b
ltI : NIVEL DE INVENTARIO DE BIODIESEL EN LA BIORREFINERÍA L AL
FINAL DEL AÑO T (TONELADAS) 105 4.8 d
mtI : NIVEL DE INVENTARIO DE DIÉSEL EN EL MEZCLADORA M AL
FINAL DEL AÑO T (TONELADAS) 106 4.9 INCREMENTOS DE CAPACIDAD RESPECTO A CAPACIDADES 106 4.10 CAPACIDAD TOTAL 108 5. CONCLUSIONES 110 6. RECOMENDACIONES 112 BIBLIOGRAFÍA 113
10
LISTA DE CUADROS
pág. Cuadro 1. Principales Etapas Presentes en la Producción de biocoMustibles 28 Cuadro 2. Principales Países Productores de Aceite Vegetal 31 Cuadro 3. Producción de Aceite de Palma por País 33 Cuadro 4. Principales Sistemas en la Cadena de Abastecimiento de los Biocombustibles 35 Cuadro 3. Rendimiento de las Principales Fuentes Vegetales por Tipo de Cultivo43 Cuadro 5. Capacidad de Producción de Biodiesel por Empresa en Colombia 45 Cuadro 6. Resumen artículos de SCM de biocombustibles 48 Cuadro 7. Objetivos y Herramientas utilizados en los modelos de SCM 50 Cuadro 8. Objetivos y características de los modelos desarrollados en los artículos de SCM 50 Cuadro 9. Características y Variables de los Modelos Matemáticos 52 Cuadro 11. Cultivos de Palma de Aceite Africana en la Región Oriental 84 Cuadro 12. Extractoras 85 Cuadro 13. Biorefinerías 85 Cuadro 14. Mezcladoras abastecidas por Biorrefinaerías del Departamento del Meta 86 Cuadro 15. Número de Estaciones de Servicio por Departamento 87 Cuadro 16. Demanda por Zonas 88 Cuadro 17. Demanda Asignada a cada Mezcladora 89 Cuadro 18. Demanda de Diésel por Mezcladora por Año 90 Cuadro 19. Costo de Transporte por Tonelada por Kilómetro 91 Cuadro 20. Distancias en Kilómetros de los Cultivos a las Extractoras en km 92 Cuadro 21. Costos de Transporte por Tonelada de Cultivos a Extractoras, en $/ton - km 93 Cuadro 22. Distancias de Extractoras a Biorrefinerías en km 93 Cuadro 23. Costo de Transporte por Tonelada de Extractoras a Biorrefinerías en $/ton-km 94 Cuadro 24. Distancias de Biorrefinerías a Mezcladoras en km 94 Cuadro 25. Costo de Transporte por Tonelada de Biorrefinerías a Mezcladoras en $/Ton-km 95 Cuadro 26. Capacidad de los Cultivos (Área y Producción) 96 Cuadro 27. Capacidades de Producción 96 Cuadro 28. Costo de Instalación de las Biorrefinerías 97 Cuadro 29. Resumen Regresión Lineal 98 Cuadro 30. Flujo de Palma Año 2013 101 Cuadro 31. Flujo Palma Año 2043 102 Cuadro 32. Flujo Total del Biodiésel Durante los 30 Años (Toneladas/Año) 104 Cuadro 33. Nivel de Inventario de Aceite en la Extractora k al Final del Año t (toneladas) 105
11
pág.
Cuadro 34. Nivel de Inventario de Aceite en la Extractora k al Final del Año t (toneladas) 105 Cuadro 35. Nivel de Inventario de Diésel en el Mezcladora m al Final del Año t (toneladas) 106
12
LISTA DE FIGURAS
pág. Figura 1. Estructura conceptual Del Marco Referencial 19 Figura 2. Usos de la Palma de Aceite 26 Figura 3. Etapas de la Cadena de Abastecimiento de los Biocombustibles 29 Figura 4. Estructura Típica de los Costos de Producción del Biodiésel. 30 Figura 5. Producción Mundial de Aceite Vegetal 1995 - 2011 31 Figura 6. Composición de la Oferta de Aceite Vegetal por Fuente 32 Figura 7. Producción Mundial de Aceite de Palma y Soja 1995 – 2011 32 Figura 8. Producción de Biodiésel en el Mundo 34 Figura 9. Cadena de Suministro de Biocombustibles 36 Figura 10. Cadena Productiva de Biocombustibles 37 Figura 11. Estructura General de la Cadena de Biocombustible 38 Figura 12. Cadena Productiva del Biodiesel CEPAL 39 Figura 13. Esquema General de la Cadena Productiva 40 Figura 14. Evolución de la Superficie de Cultivo de Palma Aceitera en Colombia 42 Figura 15. Distribución de la Superficie de Cultivo de Palma Aceitera en Colombia 42 Figura 16. Evolución de la Producción de Aceite de Palma en Colombia 44 Figura 17. Usos de la Producción Nacional de Aceite de Palma 44 Figura 18. Producción de biodiesel en Colombia 46 Figura 19. Categorización de los Artículos Relacionados a SCM de Biocombustibles 47 Figura 20. Distribución de los Artículos de Supply Chain Management por Cadena 49 Figura 21. Taxonomía de los Modelos Revisados 56 Figura 22. Categorización de los Artículos Relacionados a SCM de Combustibles Basados en Petróleo 62 Figura 23. Fases Metodológicas de esta Investigación 64 Figura 24. Distribución de Información Secundaria Consultada 65 Figura 25. Departamento del Meta 67 Figura 26. Obtención de los Racimos de Fruta Fresca de la Palma 68 Figura 27. Localización de las Biorrefinadoras 69 Figura 28. Área de ingreso Instalaciones de la Biorrefinadora Bio D (Facatativá) 70 Figura 29. Área espera transportadores Instalaciones de la Biorrefinadora Bio D (Facatativá) 70 Figura 30. Instalaciones de Biorrefinamiento (el autor, a la derecha) 71 Figura 31. Instalaciones de Biorrefinamiento 71 Figura 32. Instalaciones de Almacenamiento 72 Figura 33. Área de Matrias Primas 72 Figura 34. Pasillo de ingreso (empleados / visitantes) Instalaciones de la Mezcladora Biomax (Facatativá) 73
13
pág.
Figura 35. Área Espera Transportadores 74 Figura 36. Área de Descargue Biodiesel 74 Figura 37. Área de Almacenamiento (ACPM) 75 Figura 38. Proyección de la Demanda de Diésel en Colombia 2013 - 2043 87 Figura 39. Palma Cosechada 100 Figura 40. Cantidad de Aceite Transportado y Cantidad de Biodiésel Transportado 103 Figura 41. Incremento de Capacidad de la Biorrefinería Respecto a la Capacidad de la Biorrefinería 107 Figura 42. Capacidad Versus Demanda 108
14
GLOSARIO ACEITE VEGETAL: compuesto orgánico obtenido a partir de semillas u otras partes de las plantas en cuyos tejidos se acumula como fuente de energía. BIOCOMBUSTIBLE: mezcla de hidrocarburos que se utiliza como combustible en los motores de combustión interna BIODIÉSEL: biocombustible líquido que se obtiene a partir de lípidos naturales como aceites vegetales o grasas animales, que se aplica en la preparación de sustitutos totales o parciales de petrodiésel, obtenido del petróleo. BIOETANOL: compuesto químico obtenido a partir de la fermentación de los azúcares que puede utilizarse como combustible, solo, o bien mezclado en cantidades variadas con gasolina; uso se ha extendido principalmente para reemplazar el consumo de derivados del petróleo. BIOMASA: cantidad de materia acumulada en un individuo, un nivel trófico, una población o un ecosistema CADENA DE SUMINISTRO: conjunto de operaciones necesarias para llevar a cabo la producción de un grupo de bienes o servicios, que ocurren de forma planificada, y producen un cambio o transformación de materiales, objetos o sistemas. CADENA PRODUCTIVA: conjunto de operaciones necesarias para llevar a cabo la producción de un bien o servicio, que ocurren de forma planificada, y producen un cambio o transformación de materiales, objetos o sistemas. DIESEL: hidrocarburo líquido, compuesto fundamentalmente por parafinas y utilizado principalmente como combustible en calefacción y en motores diesel. LOGÍSTICA: flujo de recursos que se desplazan a través de la Cadena Productiva o de Suministro, aprovechados para la productividad. PALMA DE ACEITE AFRICANA: palma alta, entre 8.3 metros y 20 metros de altura, erecta, pesada, con tronco anillado. PROGRAMACIÓN LINEAL EXTERNA MIXTA: aplicación de la programación matemática que incluye variables enteras y continúas. PROGRAMACIÓN MATEMÁTICA: aplicación de la Investigación de Operaciones para determinar la mejor decisión que optimice un cierto objetivo, considerando una serie de limitaciones
15
RESUMEN Los beneficios asociados a los biocombustibles se ven reflejados en un creciente número de países, introduciendo o planeando introducir, políticas para incrementar la proporción de su producción dentro de su matriz energética. Actualmente, sólo pequeñas cantidades de biocombustibles se transan en los mercados internacionales ya que la mayoría se consume domésticamente. Sin embargo, se espera que el comercio de biocombustibles se expanda rápidamente dado que numerosos países no tendrán la capacidad doméstica para abastecer sus mercados internos. Con base en el tendiente crecimiento del negocio de los biocombustibles, tanto a nivel mundial como local, resulta pertinente contar con herramientas técnicas que apoyen la toma de decisiones en la gestión agroindustrial para aprovechar de mejor manera un mercado por ahora naciente, pero que a mediano y largo plazo se escenifica como un gran sector productivo que podrá generar desarrollo a las regiones productivas. Esta investigación presenta un estado del arte sobre la cadena de abastecimiento del biocombustible biodiésel y un Modelo de Programación Lineal Entera Mixta, en el Departamento del Meta, Colombia, desarrollado para apoyar la toma de decisiones en la gestión de la cadena de suministro mencionada. Palabras clave: Biomasa, biocombustibles, biodiésel, gestión de la cadena de suministro.
16
ABSTRACT The benefits of biofuels have been reflected in an increasing number of countries introducing or planning to introduce policies to increase the proportion of biofuels in their energy mix. Currently, only small quantities of biofuels are traded on international markets because the most is consumed domestically. However, rapidly expand biofuels trade is expected given that many countries have no domestic capacity to supply their own demand. Based on the growth tending biofuels business, both globally and locally, it is appropriate to have the technical tools to support decision making in agribusiness management to make better use of a nascent market for now, but in the medium and long term, it is staged as a large manufacturing sector which can bring development to the productive regions. This research presents a state of the art supply chain of biodiesel and a Model of Mixed Integer Linear Programming in the Meta Department, Colombia, developed to support decision in the management of the supply chain said Key words: Biomass, Biofuels, Biodiesel, Supply Chain Management (SCM).
17
INTRODUCCIÓN Los combustibles de origen fósil han sido útiles en el desarrollo de la sociedad; en Colombia, por ejemplo, han sido históricamente su mayor fuente de energía. Sin embargo, la diversificación de fuentes de energía primarias favorece la seguridad energética al disminuirse la dependencia de una sola fuente. Se hace importante fomentar la diversificación tecnológica para usos de combustibles diferentes a los tradicionales, principalmente la referente a fuentes renovables, tales como: hidroeléctrica, geotérmica, eólica, solar, mareomotriz, biomasa, biogás y cultivos energéticos. El desarrollo de los sistemas de bioenergía requiere de la acción multidisciplinaria de diversos sectores involucrados en la cadena productiva: productos agrícolas y energéticos. Se requiere pues, plantear lineamientos y estrategias para el desarrollo de la industria del biocombustible biodiesel, lo cual depende de las condiciones locales específicas como son el clima, la disponibilidad de agua y las condiciones del suelo, infraestructura, capacidades de logística y procesamiento industrial de productos, subproductos y residuos orgánicos, necesidades del sector energía y aspectos agronómicos, económicos y socia-les implicados en el desarrollo rural sustentable. “En los últimos años, los biocombustibles han comenzado a ser considerados mundialmente como una alternativa seria frente al petróleo. Esto, básicamente, obedece a dos razones: se estima que la disponibilidad de las reservas de petróleo llegará pronto a su fin (aproximadamente 100 años) y el precio del crudo, el cual tiende a aumentar”1. Ante el panorama anterior, “el mercado de los biocombustibles surge como alternativa viable, aunque se encuentra en sus primeros estadios y se localiza principalmente a nivel nacional o regional”2. La producción, en países en vía de desarrollo (asiáticos y suramericanos) y la refinación concentrada en naciones tecnificadas industrialmente (Norteamérica y Europa del Este). “En cuanto a los países de América Latina, estos presentan condiciones ideales para la producción de biocombustibles tales como el alto porcentaje de áreas húmedas (40%) y los recursos hídricos renovables, los bajos costos de producción en las zonas tropic ales o a sus bajos costos salariales”3. “La producción refinación del biodiésel es un
1 DUFEY, Annie. (2006). Producción y comercio de biocombustibles y desarrollo sustentable: los grandes
temas. Documento de Discusión Número 2 de Mercados Sustentables. Londres: Instituto Internacional para el Medio Ambiente y Desarrollo, 2006. p. 3 2 ARÍSTEGUI, Juan Pablo. (2009). Los biocombustibles desde la perspectiva del comercio internacional y del
derecho de la organización mundial del comercio. En: Revista de Derecho Valdivia. Julio – agosto, 2009. vol. 22, no. 1, p. 113 3 ORJUELA, Javier y RODRÍGUEZ, Isaac. Panorama de las políticas y leyes del gobierno colombiano frente a
la producción de alimentos agropecuarios y de producción de agrocombustibles. En: Estudios en Derecho y Gobierno. Junio – diciembre, 2009. vol. 2, no. 2, p. 83
18
área en progreso de la industria de los combustibles, que reclama logros tecnológicos debido a la relevancia y ventajas ambientales”4. No obstante, un aspecto que todavía es debatido en el mundo, es si “el balance energético del biodiesel es positivo en-tendido como la diferencia entre la energía que produce un kilogramo de combustible (biodiesel en este caso) y la energía necesaria para producirlo, lo cual incluye extracción (cultivo, en este caso), procesamiento, transporte y refinado de la materia prima, entre otros”5. Este trabajo trata la cadena productiva del biocombustible biodiesel, obtenido a partir de la palma de aceite, en el Departamento del Meta, Colombia, en razón a que es uno de los más promisorios en este campo agroindustrial. Aborda temas económicos, ambientales y energéticos pertinentes; no obstante se refiere a otros biocombustibles y a otras fuentes de obtener biodiesel de manera colateral, con el propósito de contextualizar. El análisis abarca la cadena productiva del biocombustible desde la producción de palma hasta su utilización como biodiesel, identificando temas que requieren atención por parte de los sectores privado y público. El capítulo uno describe el biodiésel como fuente de energía alternativa frente a los combustibles fósiles, sus diferentes formas de producción, sus ventajas y desventajas, su evolución y futuro y, finalmente, su impacto ambiental (uno de los temas más controversiales). La Cadena Productiva del Biodiésel se trata considerando sus eslabones y estructura, y los indicadores de eficiencia respectivos. El capítulo dos identifica la metodología que se llevó a cabo para formular el modelo matemático, considerando el inicio del mismo a partir de los cultivos, los cuales se hacen en fincas, algunas propiedad de las biorrefinerías y otras independientes. El capítulo tres describe la formulación del modelo matemático que incluye cuatro eslabones: cultivo, extracción, biorrefinado y mezcladoras (biodiesel y diésel) para obtener el producto a que va al mercado: ACPM (aceite combustible para motor) El capítulo cuatro muestra los resultados arrojados por el modelo, los cuales pretenden optimizar el flujo de los recursos de la cadena productiva y las conclusiones correspondientes.
4 BALAT , Mustafa. Potential alternatives to edible oils for biodiesel production – A review of current work. En:
Turquía. Energy Conversion and Management. February – march, 2011. vol. 52, no. 2, p. 1479 5 INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA. Atlas de la
Agroenergía y los Biocombustibles en las Américas: II Biodiesel. Costa Rica: IICA, 2010. p.3
19
1. MARCO REFERENCIAL
Este trabajo trata los conceptos clave del objeto teórico (Logística y Cadena Productiva) y del objeto práctico (biocombustible biodiesel), los antecedentes relativos a los mismos y el estado del arte hasta el 2013, sobre modelos matemáticos de la gestión de la cadena productiva del biodiesel. 1.1 MARCO CONCEPTUAL El objetivo general de este trabajo es proponer un modelo matemático que apoye la toma de decisiones en la gestión de la cadena de suministro del biodiesel a partir de palma africana en el departamento del Meta, Colombia. Para ello se hace necesario establecer en primera instancia el marco conceptual sobre cadena de suministro y sobre la cadena productiva del Biodiesel (véase la Figura 1).
Figura 1. Estructura conceptual Del Marco Referencial
Marco referencial
Objeto práctico Objeto teórico
Biocombustibles Logística / Cadena Productiva
Bioetanol Biodiesel Modelos matemáticos
Modelo de programación matemática
Fuente. El Autor 1.2 OBJETO TEÓRICO Este trabajo tiene como objeto teórico la Logística y la Cadena de Suministro, temas sobre los cuales va a centrarse la investigación, refiriéndose al flujo de recursos de la Cadena Productiva del biocombustible biodiesel, en el Departamento del Meta, Colombia. 1.2.1 Logística. De acuerdo con Octavio Carranza 6 la logística surge en principio para acompañar a las decisiones operativas de los altos mandos militares, aplicación que se mantiene. En otros campos del conocimiento ha brindado pautas
6 CARRANZA, Octavio. Logística, mejores prácticas en Latinoamérica. México: Thompson, 2005.
20
de trabajo crecientemente adoptadas por el sector empresarial en la determinación de estándares y métodos de análisis, diseño y operación en los negocios, en la medida en que ha sido necesario planear y operar sistemas cada vez más complejos. “En 1844, la logística inicia su incursión en los negocios, incurriendo en un campo nuevo. La novedad estriba en el concepto de dirección coordinada de las actividades relacionadas, en vez de la práctica histórica de manejarlas separadamente, idea que se remonta al francés Jules Dupuit, hacia 1844”7. De acuerdo con David Servera 8 a partir del siglo pasado, la logística tiene un punto central que la divide: la segunda guerra mundial. En la primera mitad, la función logística se asociaba básicamente a las actividades de la distribución física, en especial al transporte y al almacenamiento de productos, en un tiempo donde la producción era primordialmente agrícola; después de terminada la confrontación, el surgimiento de las industrias de los países perdedores amplió la aplicación de esta disciplina al campo del marketing. A partir de este momento, las empresas se interesan por las ventajas de gestionar de forma eficiente los flujos de materiales. Es a partir de los años sesentas cuando se produce el auge de la función logística, tanto en el ámbito empresarial como en el académico. A partir de esta década, se amplía el ámbito de aplicación de la gestión logística, definiéndose el concepto de "logística integral", al tiempo que se orienta hacia las necesidades del cliente. Así, en 1961, Smykay, Browersox y Mossman publican uno de los primeros textos sobre distribución física titulado “Physical Distribution Management” en el que se discute en detalle el enfoque de sistemas en distribución física y el concepto de costo total. En 1976 el National Council of Physical Distribution Management define la distribución física como: “Término empleado en manufactura y comercio para describir el extenso rango de actividades relacionadas con el movimiento eficiente de productos terminados del final de la línea de producción hasta el consumidor, y en algunos casos incluye el movimiento de materias primas desde la fuente de suministro hasta el inicio de la línea de producción”9
7 BALLOU, Ronald. Logística - Administración de la cadena de suministro. 5 ed. México: Prentice Hall, 2004.
p. 3 8 SERVERA, David. Concepto y evolución de la función logística. En: Revista Innovar. Mayo –junio, 2010. vol.
20, no. 38, p. 9 ASOCIACION PROFESIONAL DE ESTADOS UNIDOS. Definición de distribución logística en línea .
Washington: Consejo Nacional de Gestión de la Distribución Física citado 10 enero, 2013 . Disponible en Internet: <URL: http://www.acronymfinder.com/National-Council-of-Physical-Distribution-Management-(NCPDM).html>
21
Posteriormente, en ese mismo año, esta organización actualiza su definición de logística así: “Es la integración de dos o más actividades con el propósito de planear, implementar y controlar eficientemente el flujo de materias primas, inventario en proceso y bienes terminados desde su punto de origen, hasta su punto de consumo” En 1985, en concordancia con la transición del término de distribución física a logística, el organismo cambia su nombre al de Council of Logistic Management y propone la siguiente definición de logística: “Es el proceso de planeación, implementación y control eficiente, con eficacia en función de los costos del flujo y almacenamiento de materias primas, inventario en proceso, bienes terminados, e información relacionada, desde el punto de origen, hasta el punto de consumo, con el propósito de cumplir los requerimientos del cliente”10 En 1988, con el surgimiento de los conceptos de cadenas de suministro y de logística inversa, el Council of Logistic Management amplía la definición de logística así:
“Es la parte de la gestión de cadenas de suministro que planifica, implementa y controla el eficiente y eficaz flujo y almacenaje de bienes, servicios e información relacionada, desde el punto de origen hasta el punto de consumo y viceversa para poder cumplir con los requerimientos de los clientes” 11 De otra parte, una definición sistémica de logística, la cual no considera solamente el flujo de bienes, sino de todo tipo de recursos que requiere una organización para su operación, es la siguiente: “Logística es la disciplina que estudia la gestión de los sistemas de apoyo a lo largo del ciclo logístico, considerando su interrelación con el entorno, y con los sistemas centrales de la organización, concentrándose principalmente en los intercambios de materia, energía e información que se realizan entre estos a nivel interno, local, regional o global”12 Para este trabajo, que considera el flujo de bienes a lo largo de la cadena, y no de otro tipo de recursos, se adopta la definición de logística del Council of Logistic Management dada en 1998.
10
COUNCIL OF LOGISTIC MANAGEMENT. Definición de Distribución física en línea . Michigan: Central
Michigan University citado 10 enero, 2013 . Disponible en Internet: <URL: http://www.cba.cmich.edu/lmc/> 11
COUNCIL OF LOGISTIC MANAGEMENT. Definición de cadena de Suministro en línea . Michigan: Central
Michigan University citado 10 enero, 2013 . Disponible en Internet: <URL: http://www.cba.cmich.edu/lmc/> 12
ANTÚN, Juan. (1993), Logística: Una visión Sistémica. Santafandila: Instituto Mexicano de Transporte, 1993. p.2
22
1.2.2 Gestión de la Cadena de Suministro. Debe hacerse especial diferencia entre los conceptos Cadena de Suministro (o abastecimiento) y Cadena Productiva. La primera se refiere a un grupo de productos, en tanto que la Productiva a uno solo. Para efectos prácticos, las identificaremos de la misma manera. “La Gestión de la Cadena de Suministros (SCM, por sus siglas en inglés) es un concepto que ha surgido en los últimos años y encierra la esencia de la logística integrada. Su administración enfatiza las interacciones que tienen lugar entre las funciones de mercadeo, logística y producción en una organización, y las interacciones que se llevan a cabo entre empresas independientes dentro del canal de flujo del producto”13. Las definiciones de gestión de cadena de suministro más pertinentes a este trabajo se presentan a continuación. Lambert (1997) propone la siguiente definición: “La Gestión de la Cadena de Suministro es la integración de los procesos de negocio desde el usuario final a través de los proveedores originales que abastecen productos, servicios e información que agrega valor a los clientes”14 En 1998 el Global Supply Chain Forum define la Gestión de la Cadena de Suministro así: “La gestión de la cadena de suministro es la integración desde el consumidor final hasta los primeros proveedores de los procesos clave del negocio que proporcionan los productos, servicios e información que aportan valor al consumidor final”15 Handfield y Nichols proponen las siguientes definiciones de Cadena de Suministro y de Gestión de la Cadena de Suministro: “La cadena de suministros (SC, por sus siglas en inglés) abarca las actividades relacionadas con el flujo y transformación de bienes desde la etapa de materia prima (extracción) hasta el usuario final incluyendo los flujos de información relacionados. La gestión de la cadena de suministros (SCM) es la integración de estas actividades mediante el mejoramiento de las relaciones de la cadena, para alcanzar una ventaja competitiva sustentable”16.
13
BALLOU, Op. cit., p. 56 14
LAMBERT, Douglas. (1997). Supply Chain Management: More than a new name for Logistics. In: The International Journal of Logistic Management. January – february, 1997. vol. 8, no. 1, p. 3. 15
GLOBAL SUPPLY CHAIN FORUM. What is Management in Supply Chain Management? – A critical review definitions. In: Journal of Management Policy and Practice. April – May, 2010. vol. 11, no. 4, p. 11. 16
HANDFIELD, Robert y NICHOLS, Ernest. (1999). Introduction to Supply Chain Management. Upper Saddle River. New Jersey: Prentice Hall, 1999.
23
Posteriormente Mentzer ajustan la definición así: “La Gestión de la Cadena de Suministro se define como la coordinación sistemática y estratégica de las funciones tradicionales del negocio y de las tácticas a través de estas funciones empresariales dentro de una compañía en particular, y a través de las empresas que participan en la cadena de suministros para mejorar el desempeño a largo plazo de las empresas individuales y de la cadena como un todo”17 Para este trabajo se adopta la definición de John Mentzer porque la enfoca en la coordinación de lo que representa el negocio en sí, en función de las demás compañías relacionadas, situación que es evidente para este estudio porque asocia a cuatro partes, a saber: los cultivadores, los extractores, los biorrefinadores y los mezcladores. 1.3 OBJETO PRÁCTICO El presente trabajo define una metodología basada en modelos de programación matemática para la estructuración e integración de toma de decisiones relacionadas con la producción del biocombustible biodiesel en el departamento del Meta, Colombia, con el fin de coordinar de manera estructurada cada uno de los eslabones que conforman la red de suministro para la producción de biodiesel de palma de aceite africana mezclado con petrodiésel. 1.3.1 Biocombustibles. Los biocombustibles son recursos energéticos procesados a partir de materias producidas recientemente por seres vivos, a las cuales se les denomina “biomasa”. Pueden ser líquidos, sólidos o gaseosos, y su finalidad última es liberar la energía contenida en sus componentes químicos mediante una reacción de combustión (Benjumea et al., 2009). Los biocombustibles usan la biomasa vegetal (productos agropecuarios, forestales y desechos) sirviendo de fuente de energía renovable para los motores de combustión. Su uso genera una menor contaminación ambiental y son una alternativa viable al agotamiento de energías fósiles, como el gas y el petróleo, donde además se observa un incremento constante en sus precios. Los principales biocombustibles son: biodiesel, bioetanol y biogás (An et al., 2011). Este trabajo es específico al biodiesel; no obstante, para efectos de contexto, en varios apartes se hace referencia a los otros biocombustibles.
17
MENTZER, John; DEWITT, William; KEEBLER, James; MIN, Soonhong; NIX, Nancy; SMITH, Carlo y ZACHARIA, Zach. (2001). Defining Supply Chain Management. In: Journal of Business Logistics. 2001. May – Jun, 2001. vol. 22, no. 2. p.1
24
1.3.1.1 Bioetanol. Es un alcohol producido a partir de la fermentación de los azúcares presentes en distintas materias primas vegetales. No obstante, la biomasa inicial a partir de la cual se extrae dicho contenido sacaroso no tiene necesariamente que caracterizarse por ser esencialmente azucarada, sino que también puede ser almidonada o lignocelulósica. Obviamente, en el primero de los casos el proceso de generación del etanol es mucho más directo, lo cual repercute en los costos de producción. Sin embargo, hay otros factores a considerar a la hora de decidir qué materia prima utilizar, como por ejemplo, la caracterización agronómica de la zona de cultivo. A continuación, algunas de las materias primas más comunes para la obtención de etanol: “En base a azúcares: caña de azúcar, remolacha y sorgo dulce. En base a almidón: trigo, maíz y mandioca. En base a celulosa: árboles (eucalipto, álamo, sauce), hierbas (bermudagrass, switchgrass, miscanthus) y residuos agrícolas”18. En 2011, “mediante dinámica de sistemas, se realiza un análisis de factores y variables relevantes en lo que respecta a la problemática sobre la repercusión que tienen los cultivos de caña panelera para bioetanol sobre la seguridad alimentaria de la población colombiana”19. 1.3.1.2 Biodiesel.
El biodiésel se ha definido como ésteres monoalquílicos (grupo funcional orgánico monovalente, formado por la separación de un átomo de hidrógeno de un hidrocarburo saturado o alcano) de ácidos grasos de cadena larga, obtenidos a partir de lípidos (moléculas orgánicas compuestas principalmente por carbono e hidrógeno y, en menor medida, oxígeno, que tienen como característica principal ser insolubles en agua y solventes en compuestos orgánicos como bencina, benceno y cloroformo) renovables, tales como aceites vegetales o grasas animales, para su uso en encendido por compresión20.
“Se trata de un combustible biodegradable, cuyo uso disminuye las emisiones de gases de efecto invernadero y óxidos de azufre y la cantidad de hidrocarburos totales no quemados”21.
18
CEPAL. Análisis comparativo de patentes en la cadena de producción de biocombustibles entre América Latina y el resto del mundo. Santiago, Chile. Comisión económica para América Latina y el Caribe. Memorias Diálogo de Políticas sobre desarrollo institucional e innovación en biocombustibles en América Latina y el Caribe. Santiago de Chile: La CEPAL, 28 y 29 de marzo, 2011. 19
ORJUELA y RODRÍGUEZ, Op. Cit., p.83 20
KRAWCZYK, T. (1996). Biodiesel - alternative fuel makes inroads but hurdles remain. In: Book Journal. September, 2009. Vol 8, no. 1, p. 115 21
INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA, Op. cit., p. 4
25
“El biodiésel es actualmente puesto a la vanguardia como el combustible alternativo más viable para los motores de encendido por compresión, puede ser producido a partir de fuentes renovables, a través de una simple y rentable transesterificación (intercambiar el grupo alcoxi de un éster por otro alcohol, esta reacción es frecuentemente catalizada mediante la adición de un ácido o una base), siendo compatible con las infraestructuras tecnológicas existentes”22. “Puede ser usado en cualquier mezcla con el combustible diésel de petróleo, ya que tiene características muy similares, pero tiene menores emisiones de gases de escape”23. 1.3.2 Biodiésel mezcla (ACPM, Aceite Combustible Para Motor). “Se refiere a una mezcla de biodiésel con el diésel derivado del petróleo y denominado BXX, donde XX representa el porcentaje del volumen de biodiésel en la mezcla. Por ejemplo: B20 significa una mezcla con 20% de biodiésel y 80% de diésel derivado del petróleo”24. Es posible obtener este biocombustible a partir de una gran variedad de plantas (cocotero, higuerilla, aguacate, jatropha/piñón, colza/canola, maní y girasol), se ha generalizado industrialmente a partir de la palma africana. Sin embargo, la fuente de biomasa más generalizada es la palma de aceite africana, y es en la cual se fundamente este trabajo. 1.3.3 Aceite Vegetal. “El aceite vegetal es un compuesto orgánico que se obtiene a partir de semillas u otras partes de plantas en cuyos tejidos se acumula como fuente de energía. Los aceites vegetales están constituidos principalmente (95 a 99% en peso) por triglicéridos, que son moléculas resultantes de la esterificación de la glicerina con tres moléculas de ácidos grasos. La palma africana es una gran fuente de este componente”25. 1.4 PALMA DE ACEITE (ELAEIS GUINEENSIS) Es una palmera tropical que crece en climas cálidos en la franja ecuatorial de la tierra y puede llegar a crecer hasta 20 m de altura. Se puede obtener aceite de dos fuentes: del fruto (aceite de palma) y de la almendra (aceite de almendra / palmiste). Ambos tienen propiedades físicas y químicas diferentes.
22
NG, J.H.; NG, Hoon Kiat, GAN, S. (2009). Recent trends in policies, socioeconomy and future directions of the biodiesel industry. In: Clean Techn Environ Policy. September, 2009. vol. 19. no. 12, p . 213–238 23
DEMIRBAS, Ayhan. (2009). Progress and recent trends in biodiesel fuels. In: Energy Conversion and Management. January, 2009. vol. 50, no.1, p. 14 24
INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA, Op. cit., p. 4 25
BENJUMEA, Pedro; AGUDELO, John; RIOS, Luis. (2009). Biodiesel: Producción Calidad y Caracterización. Medellín: Universidad de Antioquia, 2009.
26
El ciclo de producción comienza en el tercer año y alcanza el máximo de producción entre los siete y diez años. Su aceite puede ser utilizado para diversos productos: aceites, margarinas, jabones, entre otros (véase la Figura 2). Sin embargo, su demanda ha aumentado significativamente, ya que se puede emplear como materia prima para la producción de biodiésel a un buen costo y rendimiento. Figura 2. Usos de la Palma de Aceite
Fuente. El Autor En América Latina, los principales productores son Colombia, Ecuador, Costa Rica, Honduras y Guatemala. 1.5 ANTECEDENTES Los combustibles de origen fósil han sido útiles en el desarrollo de la sociedad; en Colombia, por ejemplo, han sido históricamente su mayor fuente de energía. Sin embargo, la diversificación de fuentes de energía primarias favorece la seguridad energética al disminuirse la dependencia de una sola fuente. Se hace importante fomentar la diversificación tecnológica para usos de combustibles diferentes a los tradicionales, principalmente la referente a fuentes renovables, tales como: hidroeléctrica, geotérmica, eólica, solar, mareomotriz, biomasa, biogás y cultivos energéticos. 1.5.1Producción de Biodiesel. El biodiesel se obtiene a través de un proceso denominado transesterificación, a partir de la transformación de grasas y aceites, donde se facilita la reacción del lípido normalmente mediante un grupo alcalino; además de biodiesel, también se genera glicerina.
27
En ciertos casos, previamente a la transesterificación se realiza un pretratamiento de las materias primas, basado en la esterificación (síntesis de un éster, compuesto orgánico derivado de ácidos orgánicos o inorgánicos oxigenados) de los lípidos, el cual tiene como finalidad el convertir los mismos en ésteres. Tradicionalmente, las materias primas más utilizadas para la generación de biodiésel han sido algunos cultivos oleaginosos, entre los que destacan la soja, la palma aceitera y colza. Las principales etapas en la producción de los biocombustibles, dentro de las cuales se encuentra el biodiésel, se presentan en el Cuadro 1.
28
Cuadro 1. Principales Etapas Presentes en la Producción de biocoMustibles MATERIAS PRIMAS PROCESAMIENTO INDUSTRIAL
CULTIVOS ENERGÉTICOS CULTIVO PRE-TRATAMIENTO PROCESAMIENTO PRODUCTO PRIMARIO
PROCESAMIENTO PRODUCTO
FINAL
PLANTAS OLEAGINOSAS
Soja Cría (tratamientos
genéticos) mejora del
contenido en aceites, azúcar y almidón;
búsqueda de variedades
resistentes a la sequía; tecnología
para mejora de los
rendimientos
Prensado o extracción Aceite vegetal
Transesterificación Biodiesel Palma aceitera
Colza Bio-oil
Jatropha
CULTIVOS AZÚCAR/ALMIDÓN
Caña de azúcar
Molienda e hidrólisis Azúcar Fermentación y cofermentación
Purificación Etanol, butanol
Sorgo dulce
Remolacha
Mandioca
BIOMASA LIGNOCELULÓSICA
Eucalipto
Cría (tratamientos
genéticos) reducción del contenido de
lignina; selección de
las variedades con mayor
adaptabilidad
Gasificación
Syngas
Purificación
Síntesis catalítica
Gas natural sintético
Sauce Calentamiento
y secado Pirólisis
reacciones gas - sólido
reacciones fase gas
Diesel Fisfer-Tropsch
Dimetiléter
Metanol
Swichgrass Física: conminución
mecánica, explosión a vapor, explosión de fibra
de amonio, pirólisis; Química: hidrólisis ácida
y alcalina; Biológica: reacción a microbios
(hongos blancos, marrones y de pudrición
blanda).
Digestión anaeróbica Biogas Water gas shift
reaction Hidrógeno
Pirólisis flash
Bio-oil Bermudagrass Licuefacción hidrotermal
Tratamiento hídrico y refinado
Biodiesel
Miscanthus Hidrólisis Azúcar Fermentación y cofermentación
Purificación Etanol, butanol
RESIDUOS
Relleno sanitario
Digestión anaeróbica Biogas Biogás Desecho animal
Fuente. CEPAL. Análisis comparativo de patentes en la cadena de producción de biocombustibles entre América Latina y el resto del mundo. Santiago, Chile. Comisión económica para América Latina y el Caribe. Memorias Diálogo de Políticas sobre desarrollo institucional e innovación en biocombustibles en América Latina y el Caribe. Santiago de Chile: La CEPAL, 28 y 29 de marzo, 2011.
29
Según el Cuadro 1, el biodiesel puede provenir de plantas oleaginosas como soja, palma de aceite, colza y jatropha. Los procesos incluyen inicialmente el tratamiento de los cultivos; posteriormente, un prensado o extracción del aceite; y, finalmente, transesterificación. También, el biodiesel se puede obtener de biomasa lignocelulósica, pero con un proceso más complejo. Según Papapostolou26 las principales actividades - etapas usualmente incorporadas en la BSC (Biofuels Supply Chain) son los siguientes (figura 3): 1) Producción de materias primas (que se relaciona con la disponibilidad de tierras y la idoneidad, la eficiencia del suelo asociado a diferentes tipos de plantas); 2) La producción de biocombustibles (que se refiere a la transformación de las materias primas en biocombustibles a través de diversos procesos de conversión); 3) Mezcla (en el caso de que los biocombustibles se proporcionan a los consumidores finales se mezcla con los combustibles convencionales) y 4) El transporte de biocombustibles y, finalmente, el consumo en la red de distribución.
Figura 3. Etapas de la Cadena de Abastecimiento de los Biocombustibles
Fuente. PAPAPOSTOLOU, Christiana; KONDILI, Emilia y KALDELLIS, John K. Development and implementation of an optimisation model for biofuels supply chain. In: Energy. October – November, 2011. vol. 36, no. 10, p. 6019 - 6026. En 2011, se presenta una caracterización de la caña panelera en Colombia, así como los proyectos vigentes y el desarrollo para la producción de biocombustibles en este país. Los datos históricos son tratados con estadística multivariada y redes neuronales, con el fin de predecir el comportamiento futuro de la producción de caña panelera. También se presenta un diagrama causal donde se identifican los factores y variables relevantes en este sistema productivo. 1.5.1.1 Costos. “El biodiésel puede ser producido económicamente en un amplio rango de lugares, tanto de asentamiento rural como urbano, y en diferentes escalas dependiendo de los requerimientos específicos: pequeñas para autoconsumo o comerciales para usos industriales”27. En consecuencia, “el biodiésel es actualmente puesto a la vanguardia como el combustible alternativo
26
PAPAPOSTOLOU, Christiana; KONDILI, Emilia y KALDELLIS, John K. Development and implementation of an optimisation model for biofuels supply chain. In: Energy. October – November, 2011. vol. 36, no. 10, p. 6019 - 6026. 27
INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA, Op. cit., p. 6
Cultivo Materias primas
Producción
Bio-combustibles
Importaciones
Exportaciones
Mezcla Bio-combustibles
Exportaciones
Importaciones
Estado Materias primas Biocombustible
Estado Producción Biocombustible
Estado Final Biocombustible
30
más viable para los motores de encendido por compresión (Diésel), que como se explicó, puede ser producido a partir de fuentes renovables a través de una simple y rentable transesterificación, compatible con las infraestructuras existentes”28. Según Arístegui 29 los costos de producción de los biocombustibles, para este caso, biodiésel, varían ampliamente de un proceso a otro y de una región a otra: estas diferencias se deben, fundamentalmente, a los costos de las materias primas, al tipo de energía usado para llevar acabo el procesamiento, tanto calórica como eléctrica, y a los precios obtenidos para los subproductos derivados durante el proceso de producción. De la propia naturaleza del biodiésel, resulta claro que su producción está ligada a la producción de lípidos, aceites y grasas de origen vegetal o animal. La importancia del complejo aceitero para la capacidad competitiva de producir biodiésel se pone manifiesta si se considera que la materia prima, es decir, el aceite, forma el 75% del costo de producción del biodiésel (véase la Figura 4).
Figura 4. Estructura Típica de los Costos de Producción del Biodiésel.
Fuente. INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA. Atlas de la Agroenergía y los Biocombustibles en las Américas: II Biodiesel. Costa Rica: IICA, 2010. p.4
Las estrategias requeridas para una industria de biodiésel estable y sostenida deberán estar basadas principalmente en los principios del libre mercado con un mínimo de “intervenciones artificiales”, por lo que hacen necesarias las políticas pertinentes y los avances tecnológicos apropiados en técnicas de producción y obtención de materias primas para mantener su competitividad económica.
28
NG; NG y GAN, Op. cit., p. 214 29
ARÍSTEGUI, Op. cit., p. 113
Materias prima(aceite)
Químicos Energía Mano de obra DepreciaciónMantenimiento y
overhead
Porcentaje 75% 11% 2% 4% 6% 4%
0%
10%
20%
30%
40%
50%
60%
70%
80%
31
1.5.1.2 Materias Primas. Aunque potencialmente se pueden usar múltiples fuentes alternativas para obtenerlo, casi la totalidad del biodiésel que se produce actualmente proviene de los aceites de origen vegetal. La producción mundial de aceite vegetal creció de forma constante durante el período 1995 – 2011 a un ritmo del 5% anual (véase la Figura 5) hasta superar en el 2007 las 128 millones de toneladas anuales. Figura 5. Producción Mundial de Aceite Vegetal 1995 - 2011
Fuente. El Autor La producción mundial de aceite se encuentra repartida entre la UE y tres grandes países productores: Indonesia, Malasia, China. Entre los cuatro, engloban el 56% de la producción mundial. Solo tres países americanos, Estados Unidos, Argentina y Colombia (con el 7%, 6% y 5% de la producción mundial, respectivamente) se encuentran entre los primeros siete países productores de aceite del mundo (véase el Cuadro 2). Cuadro 2. Principales Países Productores de Aceite Vegetal
País
Producción (millones de toneladas)
2007 2008 2009 2010 2011 Participación
Promedio
Indonesia 20,98 23,69 25,59 27,3 29,1 18,0%
Malasia 19,73 19,43 19,94 20,44 20,96 14,3%
China 14,69 16,11 17,88 18,99 20,06 12,5%
Unión Europea 14,49 15,48 16,71 16,42 16,27 11,3%
Estados Unidos 10,55 9,67 10,07 9,8 9,68 7,1%
Argentina 8,49 7,37 7,72 8,74 8,93 5,9%
Colombia 6,85 6,78 7,14 7,75 7,96 5,2%
Otros 32,92 35,14 35,57 37,72 39,4 25,7%
Total 128,7 133,7 140,6 147,2 152,4 100,0%
Fuente. El Autor
0
20
40
60
80
100
120
140
160
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Pro
du
cció
n (
mill
on
es
Ton
)
Año
g = 5%
32
El Aceite vegetal proviene de diversos cultivos, principalmente de: palma, soja y colza (figura 6). Estos tres cultivos proveen el 76% de la oferta mundial de aceite. El restante 24% se origina en cultivos como maní, algodón, oliva y girasol (IICA, 2010) (USDA 2012). Figura 6. Composición de la Oferta de Aceite Vegetal por Fuente
Fuente. El Autor La palma y la soja en la producción actual de biodiésel son las dos fuentes principales de aceite vegetal a escala mundial. En lo que respecta al aceite de soja, su producción creció al mismo ritmo del 5% que la producción total de aceite, mientras que la producción de aceite de palma lo hizo a un ritmo más acelerado del 7,6% anual durante el mismo período, lo que provocó que a partir del 2005 el volumen anual producido de aceite de palma fuera superior al de soja (véase la Figura 7). Figura 7. Producción Mundial de Aceite de Palma y Soja 1995 – 2011
Fuente. El Autor
Palma Soja Colza Girasol Otros
Porcentaje 33% 28% 15% 9% 15%
0%
5%
10%
15%
20%
25%
30%
35%
0
10
20
30
40
50
60
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Pro
du
cció
n (
mill
on
es
Ton
)
Año
Soja
Palma
g (palma) = 7,6 %
g (soja) = 5 %
33
El nivel de producción de aceite de palma de los principales países productores se muestra en el Cuadro 3. La Mayor cantidad de producción se encuentra concentrada en tres países asiáticos: Indonesia, Malasia y Tailandia, representando 90,1% de la producción mundial. Solo un país americano y uno africano: Colombia y Nigeria, se encuentran entre los primeros cinco países productores de aceite del mundo, con una participación del 1,8% y 1,7% respectivamente. Cuadro 3. Producción de Aceite de Palma por País
Producción (miles de toneladas)
País 2007 2008 2009 2010 2011 Participación
2011
Indonesia 18000 20500 22000 23600 25400 50,2%
Malasia 17567 17259 17763 18215 18700 37,0%
Tailandia 1050 1540 1345 1288 1450 2,9%
Colombia 780 795 770 775 885 1,8%
Nigeria 820 850 850 850 850 1,7%
Otros 2867 3048 3134 3202 3281 6,5%
Total 41084 43992 45862 47930 50566 100,0%
Fuente. El Autor 1.6 EVOLUCIÓN Y FUTURO DEL BIODIÉSEL La producción mundial de biodiésel se mantuvo relativamente estable entre dos y tres millones de toneladas anuales hasta el 2004 (véase la Figura 8). En el 2005 la producción aumenta alcanzando un nivel de 20 mil millones de litros en el 2010 (CEPAL, 2011b) (IICA, 2010). “A pesar de que en la actualidad los biocombustibles representan poco más del 1% de la demanda total de combustible para transporte (y entre el 4% y el 7% para el 2030 según las proyecciones de la Agencia Internacional de Energía, AIE), los biocombustibles parecen una buena oportunidad frente a los elevados precios del crudo internacional”30.
30
ARISTEGUI, Op. cit., p. 115
34
Figura 8. Producción de Biodiésel en el Mundo
Fuente. CEPAL. Análisis comparativo de patentes en la cadena de producción de biocombustibles entre América Latina y el resto del mundo. Santiago, Chile. Comisión económica para América Latina y el Caribe. Memorias Diálogo de Políticas sobre desarrollo institucional e innovación en biocombustibles en América Latina y el Caribe. Santiago de Chile: La CEPAL, 28 y 29 de marzo, 2011. “Hoy en día los costos de producción del biodiésel son entre 1,5 y 3 veces más altos que para el diésel fósil. No obstante, cuando esto se haya atenuado, el biodiésel será un combustible de motor razonablemente disponible en un futuro cercano”31. Igualmente, “debido al incremento de los precios de la gasolina y el diesel fósil en todos los escenarios internacionales, y teniendo en cuenta el resto de exenciones fiscales, los biocombustibles se volverán competitivos en los próximos años”32. “El reciente aumento en el uso potencial de biodiésel se debe no sólo al incremento del número de plantas productoras, sino también al tamaño de las instalaciones utilizadas en su producción. El crecimiento en la industria del biodiésel se espera que tenga un impacto significativo en el precio de las materias primas del biodiésel. Este crecimiento en la industria del biodiésel aumentará la competencia”33. “Con la inminente disponibilidad comercial de la futura generación de biodiésel, económicamente cada vez más factible, este combustible debe permanecer como
31
DEMIRBAS, Ayhan. DINCER, K. (2008). Sustainable Green Diesel: A Futuristic View. In: Energy Sources. 2008. Part A, vol. 30, p. 1233–1241 32
AJANOVIC, A. HAAS, R. (2010). Economic challenges for the future relevance of biofuels in transport in EU countries. January – February, 2010. vol. 35, no. 8, p. 3340 33
DEMIRBAS, Op. cit., p. 3341
35
un sustituto del diesel fósil que potencialmente puede satisfacer a mediano plazo las necesidades de energía para formar parte de la solución total a la energía en todo el mundo y los problemas ambientales”34. 1.7 ESTRUCTURA DE LA CADENA PRODUCTIVA DEL BIODIÉSEL
En general, las materias primas de la biomasa fuente (palma de aceite africana, cocotero, higuerilla, etc.) son transportadas en camiones desde las fincas a las plantas de biorrefinación de biocombustibles. Las instalaciones de almacenamiento son necesarias entre las fincas y las biorrefinerías. El almacenamiento de pretratamiento también se proporciona para garantizar la frescura de las materias primas y aumentar la tasa de rendimiento. En la mayoría de los casos, la materia prima o las materias primas son transportadas desde las fincas directamente a las biorrefinerías. Las materias primas de biomasa fuente se convierten en productos terminados35.
Una breve descripción del funcionamiento de los elementos o subsistemas de la cadena de suministro de biocombustibles se presenta en el Cuadro 4. Cuadro 4. Principales Sistemas en la Cadena de Abastecimiento de los Biocombustibles
Sistema de la cadena de
abastecimiento Descripción de las actividades
Producción de materias primas
De biomasa herbácea y de madera disponible regionalmente, incluidos los residuos agrícolas y forestales, cultivos energéticos y materiales de desecho.
Logística de materias primas
Implementar la infraestructura para biomasa, equipos, mano de obra, y los sistemas para llevar a cabo la cosecha, recolección, almacenamiento, pre-procesamiento, y las operaciones de transporte.
Producción de Biocombustibles
Implementar de forma rentable las instalaciones de conversión de la biomasa a biocombustibles, cumpliendo con todos los reglamentos de seguridad y medio ambiente para producir biocombustibles que cumplan con los estándares de calidad.
Distribución de los biocombustibles
Implementar la infraestructura de distribución de biocombustibles para llevar a cabo el almacenamiento, mezcla, transporte, y las operaciones de dispensación.
Uso final de los biocombustibles
Facilitar la disposición al público de los biocombustibles con un rendimiento similar al diesel derivado del petróleo.
Fuente. NACEPT. (2007). Strategic Framework for Biofuels Efforts. National Advisory Council for Environmental Policy and Technology. Washington: NACEPT, 2007
34
NG; NG y GAN, Op. cit., p. 215 35
NACEPT. (2007). Strategic Framework for Biofuels Efforts. National Advisory Council for Environmental Policy and Technology. Washington: NACEPT, 2007.
36
Según el IICA, se reconocen cuatro grandes sectores interrelacionados en la cadena productiva de biodiésel: 1) Un sector productor del aceite, materia prima fundamental para la obtención del biodiésel, el cual comprende dos subcomponentes: un subsector de producción de las fuentes, vegetales y animales, de aceite, y otro subsector que transforma la fuente en aceite. 2) Un sector de producción de biodiésel, en el cual se procesa el aceite para la producción de biodiésel. 3) Un sector de mercado de biodiésel, donde se documenta el consumo aparente de biodiésel a nivel nacional, definido como consumo + (importaciones -exportaciones). Y 4) El marco legal y regulatorio, fundamental para el funcionamiento de la industria de producción y consumo sostenible de biodiésel. Awudu y Zhang 36 muestran el marco general de la cadena de suministro de biocombustibles. De acuerdo con este autor, los principales elementos de la cadena de suministro de biocombustibles son los siguientes: (1) fincas, (2) instalaciones de almacenamiento, (3) plantas de biorrefinerías, (4) instalaciones de mezcla, (5) puntos de venta y el transporte (6) (véase la Figura 9). Figura 9. Cadena de Suministro de Biocombustibles
Fuente. AWUDU, Iddrisu y ZHANG, Jun. (2012). Uncertainties and sustainability concepts in biofuel supply chain management: A review. In: Renewable and Sustainable Energy Reviews. February – March, 2012. vol. 16, no. 2, p. 1359– 1368.
36
AWUDU, Iddrisu y ZHANG, Jun. (2012). Uncertainties and sustainability concepts in biofuel supply chain management: A review. In: Renewable and Sustainable Energy Reviews. February – March, 2012. vol. 16, no. 2, p. 1359– 1368.
Granjas vecinas
Granja Cooperativa
Biorrefinería de etanol
Terminal para mezcla y
almacenamiento
Terminal para mezcla y
almacenamiento
Estación Estación
37
De una manera más simplificada, Huang 37 representa la cadena productiva de biocombustibles como una típica cadena de suministro. Por lo tanto, el problema de diseño de sistemas de biocombustibles lo considerada dentro de la categoría general de los problemas de localización de la cadena de suministro (véase la Figura 10). Figura 10. Cadena Productiva de Biocombustibles
Fuente. HUANG, Yongxi; CHEN, Chien-Wei y FAN, Yueyue. (2010). Multistage optimization of the supply chains of biofuels. In: International Journal. March, 2010. vol. 46, no. 6, p. 820-830
Para An38 la estructura de flujo de red basada en materias primas de biomasa agrícola se muestra en la Figura 11. Esta red multinivel muestra las potenciales ubicaciones y capacidades de las fincas (F) y sitios de almacenamiento de la biomasa (S); pre-instalaciones de procesamiento (P), biorrefinerías (R), centros de distribución (D); y estaciones de servicio (G), que abastecen a los clientes (C). Los posibles lugares para los inventarios se denotan por I (Ss, Ds y Gs son los inventarios por naturaleza).
37
HUANG, Yongxi; CHEN, Chien-Wei y FAN, Yueyue. (2010). Multistage optimization of the supply chains of biofuels. In: International Journal. March, 2010. vol. 46, no. 6, p. 820-830 38
AN, Heungjo. WILHELM, Wilbert E. SEARCY, Stephen W. (2011). Biofuel and petroleum-based fuel supply chain research: A literature review. In: Biomass and Bioenergy. October, 2011. vol. 35, no. 9, p. 3763 – 3774.
Planta
Planta
Planta
Estación
Estación
38
Figura 11. Estructura General de la Cadena de Biocombustible
Fuente. AN, Heungjo. WILHELM, Wilbert E. SEARCY, Stephen W. (2011). Biofuel and petroleum-based fuel supply chain research: A literature review. In: Biomass and Bioenergy. October, 2011. vol. 35, no. 9, p. 3763 – 3774. Según el informe de la CEPAL (2007), para producir biodiesel con la calidad necesaria para los motores diesel, de forma sostenible, el proceso de producción requiere la participación integrada de los tres sectores productivos: el sector primario (agrícola), el sector secundario (industrial) y el sector terciario (servicios). La Figura 12 presenta la cadena productiva completa del biodiesel.
F
I
S
I
P
I
I
I
R
D
G
C
Parte superior
de la cadena (Upstream)
Parte media de la
cadena (Midstream)
Parte inferior
de la cadena (Downstream)
39
Figura 12. Cadena Productiva del Biodiesel CEPAL
Fuente. A partir de CEPAL (2007) El sector primario está representado por los proveedores de los insumos agrícolas y por la producción de las oleaginosas propiamente dichas: semillas o frutos. Además de producir oleaginosas, el sector agrícola también realiza otras funciones tales como el tratamiento básico y el almacenamiento del producto hasta su transporte al sector industrial. Una buena productividad agrícola es fundamental para que el aceite tenga costos bajos. El sector industrial, en principio, se divide en dos subsectores: el dedicado a la extracción del aceite de las oleaginosas y el encargado de la producción del biodiesel. En general, estas dos gremios no están integrados. La etapa de extracción de aceite constituye una industria que está orientada a la producción de aceites en grados comerciales, y tiene varios procesos con la finalidad de obtener la calidad necesaria para cada uno de los usos del aceite, dictados por el mercado a ser atendido. La segunda etapa industrial es la producción del biodiesel a partir del aceite. En primer lugar, la materia prima debe ser preparada para una reacción eficiente. Para que la transformación de triglicéridos en biodiesel sea eficiente; es necesario poner considerable exceso de metanol, el cual quedará en la fase de la glicerina. El biodiesel producido en la transesterificación necesita ser purificado. Para que los subproductos puedan ser aprovechados, el metanol debe ser recuperado de la fase de producción de glicerina; a su vez, ésta debe ser purificada para poder ganar condiciones de comercialización.
40
Después de producido, el biodiesel necesita llegar hasta los biorrefinadores. Para la comercialización amplia, es necesario que los distribuidores de combustibles y estaciones de servicio estén integrados al proceso y preparados para almacenar el biodiesel, hacer la mezcla con diesel y atender a los consumidores individuales. Por su parte, Gualteros 39 a partir de la información recopilada de la cadena productiva del biodiésel en diferentes países y del estado actual de la cadena en Colombia, propone un esquema de la cadena productiva del biodiésel a partir de palma africana, en el cual se incluyen no solo los eslabones de producción de biodiésel sino el entorno institucional y organizacional de la cadena, con el fin de tener una visión global del proceso y poder, además, identificar los posibles actores de la cadena que puedan participar en el estudio de la misma. La Figura 13 describe la estructura detallada de la cadena. En ella se destacan los diferentes eslabones pertenecientes al proceso productivo, a la comercialización del biodiésel y a sus interacciones (Gualteros, 2011). Figura 13. Esquema General de la Cadena Productiva
Fuente- GUALTEROS S, Juan Manuel. Estudio prospectivo de la cadena productiva del biodiésel a partir de palma africana en Colombia. Bogotá: Universidad Nacional, 2011
39
GUALTEROS S, Juan Manuel. Estudio prospectivo de la cadena productiva del biodiésel a partir de palma africana en Colombia. Bogotá: Universidad Nacional, 2011
Sector primario o agrícola
Sector secundario o industrial
Sector terciario: distribución y
ventas
Proveedores Cultivadores Extractores Industriales Comercializadores Consumidores
Semillas y plántulas
Fertilizantes y agroquímicos
Que |
Que NO incorporan tecnología
Agroindustria Plantas de
trans-esterificación
Instalaciones de almacenamiento y
mezcla
Estaciones de Servicio
Biorrefinerías locales
Consumidor Internacional
Consumidor Nacional
CADENA PRODUCTIVA DEL BIODIESEL A PARTIR DE PALMA AFRICANA
ENTORNO GUBERNAMENTAL ENTORNO GREMIAL ENTORNO INSTITUCIONAL
41
Como se puede apreciar en el esquema, la cadena productiva se divide en tres grandes sectores: el Agrícola, el Industrial y el de Servicios; y cada uno de ellos se subdivide en otros eslabones los cuales conforman la totalidad de la cadena. En el primer sector se encuentra, al inicio de la cadena, el eslabón de los proveedores. Ellos son los encargados del suministro de insumos a los cultivadores y de su buen desempeño depende la obtención de semillas, plántulas, fertilizantes y agroquímicos de calidad y a precios competitivos, también es importante destacar que la gran mayoría de integrantes de este eslabón no participan de forma exclusiva en la cadena, sino que por su razón social pertenecen a su vez a diferentes cadenas agrícolas. El otro eslabón del primer sector de la cadena es el de los cultivadores. El sector secundario o industrial se divide en dos eslabones: el primero de ellos es el de los Industriales, dedicados a la extracción del aceite crudo de palma, actividad comúnmente desarrollada en locaciones o centros de acopio cercanos a los cultivos. De este eslabón es necesario comentar que el producto entregado a la cadena Aceite crudo de palma es compartido entre la cadena del biodiésel y la industria de los alimentos y cosméticos, pues dicha materia prima también es base para la producción de artículos en dichas industrias. El segundo componente del sector son las plantas industriales que se encargan de producir el biodiésel a partir de procesos de transformación química al aceite de palma (transesterificación). Finalmente es necesario comentar que las dos actividades que componen el sector podrían llegar a integrarse dentro de un único bloque industrial. Por último, el sector terciario está conformado por todas las empresas que participan en el proceso de distribución y venta a los usuarios de combustible diésel, es decir plantas de almacenamiento y mezcla, centros de distribución y estaciones de servicio a las cuales acuden los usuarios a adquirir el producto final de la cadena, mezcla Diésel-Biodiésel para sus vehículos. 1.8 BIODIESEL A PARTIR DE PALMA AFRICANA EN COLOMBIA
Colombia es el primer productor de palma de aceite en América Latina y el cuarto en el mundo. Tiene como fortaleza un gremio que cuenta con sólidas instituciones, ya que desde 1962 fue creada la FEDEPALMA. En cuanto a su historia, la palma se introdujo en el país en 1932 y fue sembrada con fines ornamentales en la estación agrícola de Palmira (Valle del Cauca). El cultivo comercial solo comenzó en 1945 cuando se estableció una plantación en la zona bananera del departamento de Magdalena40
40
FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero, 2013 . Disponible en Internet: <URL: http://www.fedepalma.org/palma.htm>
42
La expansión del cultivo ha mantenido un crecimiento sostenido. “A mediados de la década de los sesentas, existían 18 mil hectáreas en producción y de superficie de siembra es de 427 mil hectáreas aproximadamente, de las cuales un 62.5% se encuentra en estado de producción y el 37.5% restante está en su fase de desarrollo”41. En la figura 14 se muestra la evolución de área productiva y área en desarrollo. Figura 14. Evolución de la Superficie de Cultivo de Palma Aceitera en Colombia
Fuente. FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero,
2013 . Disponible en Internet: <URL: http://www.fedepalma.org/palma.htm>
La producción de aceite de palma se distribuye en cuatro zonas productivas, como se muestra en la Figura 15. Figura 15. Distribución de la Superficie de Cultivo de Palma Aceitera en Colombia
Fuente. FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero,
2013 . Disponible en Internet: <URL: http://www.fedepalma.org/palma.htm>
41
FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero, 2013 . Disponible en Internet: <URL: http://www.fedepalma.org/palma.htm>
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Desarrollo 31,1 43,4 60 85,7 106,3 114,7 107,1 115,2 126,2 153 160,4
Producción 130,1 141,8 146,8 153,2 163,8 177,9 199,4 220,2 234,3 250,7 267
0
50
100
150
200
250
300
350
400
450
Sup
erf
icie
de
cu
ltiv
o
(mile
s d
e h
ect
áre
as)
43
A continuación se citan los departamentos con cultivo de palma aceitera según la región: Norte: Magdalena, Cesar (Norte), Atlántico, Guajira. Central: Santander, Norte de Santander, Cesar (Sur), Bolívar. Oriental: Meta, Cundinamarca, Casanare, Caquetá. Occidental: Nariño. De acuerdo con cifras de la FEDEPALMA, los departamentos que poseen más área sembrada en palma de aceite son en su orden: Meta (1), Cesar (2), Santander (3), Magdalena (4), Nariño (5), Casanare (6), Bolívar (7), Cundinamarca (8) y Norte de Santander (9). En Colombia la principal fuente de aceite es la palma aceitera. Sin embargo, existen otros ocho cultivos que pueden proveer aceite para la fabricación de biodiésel: coco, higuerilla, aguacate, jatropha, colza, maní, girasol y soya. En la Tabla 3 se muestran los rendimientos potenciales de algunas fuentes potenciales de aceite como materia prima para la elaboración de biodiesel (fedepalma 2009). Cuadro 3. Rendimiento de las Principales Fuentes Vegetales por Tipo de Cultivo
Fuente. INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA. Atlas de la Agroenergía y los Biocombustibles en las Américas: II Biodiesel. Costa Rica: IICA, 2010. La producción de aceite de palma ha crecido de forma constante desde 1995, pero es desde el 2004 cuando la tasa de crecimiento se duplica del 4% al 8% promedio anual, marcando el inicio de una nueva tendencia creciente de la producción. El incremento de la producción de aceite de palma se muestra en la Figura 16.
44
Figura 16. Evolución de la Producción de Aceite de Palma en Colombia
Fuente. FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero,
2013 . Disponible en Internet: <URL: http://www.fedepalma.org/palma.htm>
Se puede observar que entre los años 2004 (año de inicio de la nueva tendencia de crecimiento) y 2011, el incremento anual promedio de la producción de aceite de palma fue de 52.000 toneladas. Los productos de la palma se utilizan en la industria agroalimentaria, la industria química, cosmética y alimentación animal. Respecto al aceite de palma, su uso industrial se dirige principalmente hacia el mercado tradicional (descrito anteriormente) y el mercado de los biocombustibles. En la figura 17 se presenta la distribución de los destinos de aprovechamiento del aceite de palma. Figura 17. Usos de la Producción Nacional de Aceite de Palma
Fuente. FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero,
2013 . Disponible en Internet: <URL: http://www.fedepalma.org/palma.htm>
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Prod. 520 544 525 525 630 660 714 733 776 801 846 942
0
100
200
300
400
500
600
700
800
900
1000
Pro
du
cció
nd
e A
ceit
e d
e p
alm
a
(mile
s d
e t
on
ela
das
)
454 414 380 376 424 463 422 410 418 363 381
9 41 153
337 385
90 111 145
254 236
251 302 325
230
146
176
0
100
200
300
400
500
600
700
800
900
1000
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Mile
s d
e To
nel
adas
Mercado Tradicional Biodiesel Otros usos y mercados
45
“El crecimiento sostenido de esta actividad ha sido el resultado de la dinámica de crecimiento de la agroindustria de la palma de aceite en Colombia, la cual ha mostrado capacidad para atender volúmenes crecientes de exportaciones, así como el desarrollo de nuevos mercados locales, alternativos al mercado tradicional, principalmente el aprovisionamiento de materia prima para la elaboración de biodiesel”42 (IICA 2010). En Colombia se observa una tendencia favorable para los productores de biocombustibles en cuanto a legislación y políticas (Rodríguez et al., 2009). En 2011, se produjeron 442.000 toneladas de biodiesel y se constituyó en el principal mercado local para el aceite de palma. Las plantas de refinación de biodiesel y sus capacidades se presentan en el Cuadro 5. Cuadro 5. Capacidad de Producción de Biodiesel por Empresa en Colombia
Empresa Región Capacidad
(toneladas/año) Capacidad (litros/día)
Fecha entrada en operación
Oleoflores Codazzi, Cesar 70.000 169.000 Enero 2008
Odin Energy Santa Marta, Magdalena
36.000 121.000 Junio 2008
Biocombustibles sostenibles del
Caribe
Santa Marta, Magdalena
100.000 337.000 Marzo 2009
Bio D Facatativá, C/marca 100.000 337.000 Febrero 2009
Manuelita San Carlos de Guaroa, Meta
100.000 337.000 Julio 2009
Clean Energy Barranquilla,
Atlántico 40.000 134.976 Octubre 2009
Ecodiesel Barrancabermeja,
Santander 100.000 337.000 Junio 2010
Biocastilla Castila la Nueva,
Meta 10.000 33.744 Diciembre 2009
Total 556.000 1.806.720
Fuente. El Autor Adicionalmente existen dos plantas de una producción mucho menor: una en Tumaco (Nariño), con una capacidad de 3.000 litros/día, y otra en Zulia (Norte de Santander) con una capacidad de 20.000 litros/día. La producción de biodiesel en Colombia se presenta en la Figura 18. Como se observa, la producción de Biodiesel comienza en el año 2008 y su nivel ha aumentado hasta superar las 440.000 toneladas en el año 2011. La producción para el año 2012 se estima en más de 500.000 toneladas.
42
INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA, Op. cit. p. 5,
46
Figura 18. Producción de biodiesel en Colombia
Fuente. El Autor También es relevante la clara intención gubernamental por ganar mercado y competitividad en el campo internacional. Sin embargo, se evidencias los conflictos entre las políticas agrícolas y las de biocombustibles. 1.9 HERRAMIENTAS MATEMÁTICAS UTILIZADAS PARA LA GESTIÓN DE LA CADENA PRODUCTIVA DEL BIODIÉSEL El uso de la Investigación de Operaciones y, específicamente, las técnicas de optimización, han tenido éxito en las últimas décadas en su aplicación a la agroindustria en diferentes países. La clasificación y aplicación de modelos se presenta continuación. 1.9.1Clasificación. An en su artículo de revisión sobre modelos aplicados a la cadena productiva de biocombustibles y combustibles fósiles, concluye que los estudios sobre biodiésel se relacionan principalmente con los procesos en los niveles superiores de la cadena, o los procesos “upstream”, (es decir, de los proveedores de biomasa a las plantas de conversión) especialmente a niveles de decisión operacional o integrados (de estratégico a operacional). La razón es que inicialmente las investigaciones se han enfocado en evaluar varios tipos de materias primas y probar la eficiencia de la logística del mismo. En la revisión de la literatura no se encontraron estudios que optimicen las operaciones de conversión, en los niveles medios de la cadena o “midstream”, porque muchas tecnologías están todavía siendo desarrolladas y evaluadas. Adicionalmente, los autores afirman que varios estudios se han basado en un modelo de programación lineal entera mixta (MILP por sus siglas en inglés) de producción / distribución.
2007 2008 2009 2010 2011 2012
Producción 0 22,73 163,07 337,71 443,03 506
0
100
200
300
400
500
600
Pro
du
cció
n (
Mile
s d
e T
on
ela
das
)
47
Una clasificación de los 30 artículos revisados por An se muestra en la Figura 19. En la figura se clasifican los modelos matemáticos según el nivel de la cadena productiva (upstream, midstream y downstream) y nivel de decisión (estratégico, táctico, operativo e integral). Figura 19. Categorización de los Artículos Relacionados a SCM de Biocombustibles
Fuente. AN, Heungjo. WILHELM, Wilbert E. SEARCY, Stephen W. (2011). Biofuel and petroleum-based fuel supply chain research: A literature review. In: Biomass and Bioenergy. October, 2011. vol. 35, no. 9, p. 3763 – 3774.
En este estudio se revisaron 26 artículos sobre modelos matemáticos para apoyar la toma de decisiones en cadenas de biodiesel, y cadenas productivas con características semejantes a las de la cadena del biodiesel (bioetanol y biomasa en general), hasta abril de 2012. Los artículos, país y herramienta matemática utilizada se recopilan en el Cuadro 6.
Integrada
EstratégicaTáctica
Operativa
0
5
10
15
20
48
Cuadro 6. Resumen artículos de SCM de biocombustibles N° Autor Año País Herramienta
1 Chien y Yueyue 2011 USA MISP
2 Kim et.al. 2011 USA y Corea MILP
3 Orjuela et. al. 2011a Colombia Dinámica de sistemas Análisis multivariado Redes neuronales
4 Orjuela et. al. 2011b Colombia Dinámica de Sistemas
5 Papapostolou et. al. 2011 Grecia MILP
6 Zhang et.al. 2011 China y Portugal MILP
7 Zhu et. al. 2011 USA MILP
8 Eksioglu y Petrolia 2010 USA MILP
9 Flórez 2010 Colombia Dinámica de sistemas
10 Huang et. al. 2010 USA MILP
11 Zapata et. al. 2010 Colombia Dinámica de sistemas
12 Eksioglu et. al. 2009 USA MILP
13 Constantino, et. al 2008 Portugal Programación entera
14 Lejars et. al. 2008 Francia Paquete de simulación MAGI
15 Ravula et.al. 2008 USA Simulación discreta
16 Dunnett et. al. 2007 Inglaterra MILP
17 Kumar y Sokhansanj 2007 USA y Canadá Modelo IBSAL
18 Sokhansanj et. al. 2006 USA y Canadá Modelo IBSAL
19 Martins et. al. 2005 Portugal MILP, column generation
20 Troncoso y Garrido 2005 Chile MILP
21 Gunnarsson et. al. 2004 Suecia MILP
22 Higgins y Postma 2004 Australia MILP
23 Gigler et. al. 2002 Holanda Programación dinámica (DP)
24 De Mol et. al. 1997 Holanda Simulación (Prosim) Programación entera mixta (MIP)
25 Cundiff 1996 USA Programación lineal
26 Gallis 1996 Grecia Simulación MISP: programación estocástica entera mixta. MILP: Programación lineal entera mixta. IBSAL: Logística y análisis de la Cadena de Biomasa Integrada (Integrated Biomass SupplyAnalysis and Logistics)
Fuente. El Autor En la medida de los años recientes se ha notado un incremento en el número de artículos escritos con modelos matemáticos para SCM de biocombustibles y afines (biomasa, bioetanol, entre otras), tal como se presenta en el Cuadro 6. En ella se observa que el país con mayor cantidad de estudios es USA, con un total de 10 artículos (38% del total de artículos revisados), mientras que la mayoría de los artículos restantes son de países de Europa (38%). El porcentaje restante (24%)
49
se distribuye entre el Pacífico Sur y Suramérica. Algunos estudios fueron realizados colaborativamente entre dos países: USA - Canadá, USA – Corea del sur y Portugal – China. (En este caso se han asignado al país con más artículos). En los dos últimos casos, se observa una participación de países asiáticos como China y Corea del sur. Dentro de los artículos revisados, nueve van destinados a cadenas de Biomasa Lignocelulósica y ocho a biomasa de residuos. Estas biomasas pueden ser utilizadas para la obtención de biodiesel, bioetanol, generación de calor u otros usos. Cinco artículos estudian la biomasa procedente de cultivos de azúcar y almidón, para la producción de bioetanol y alimento. Finalmente, cuatro artículos se refieren a biomasa de plantas oleaginosas para la producción de biodiesel y alimento. En la Figura 20 se representa el porcentaje correspondiente a las cadenas tratadas en los artículos. Figura 20. Distribución de los Artículos de Supply Chain Management por Cadena
Fuente. El Autor
En el Cuadro7 se observa que la herramienta más utilizada para la formulación de modelos matemáticos es la programación matemática, y dentro de esta, la más utilizada es la programación lineal entera mixta (MILP) (con un 50% de los artículos revisados). En segunda instancia, la herramienta más utilizada es la simulación y dinámica de sistemas (31%), teniendo en cuenta que se han desarrollado en diferentes aplicaciones computacionales. El diseño y gestión de la cadena es el objetivo utilizado con mayor frecuencia en los modelos de SCM evaluados (35% del total de artículos revisados). En segunda instancia se encuentran modelos con objetivos varios (Otros) los cuales corresponden a análisis y cuantificación de variables en las cadenas productivas, evaluadas principalmente por las herramientas simulación y dinámica de sistemas.
50
Cuadro 7. Objetivos y Herramientas utilizados en los modelos de SCM
Objetivo Herramienta
Total DP
IBSAL
LP MILP MISP Simulació
n DS
Diseño 2 1 3
Diseño y gestión 7 1 1 9
Gestión 1 2 3
Programación cosechas
3 1 4
Otros 1 2 4 6
Total 1 2 1 13 1 4 4 DP: Programación Dinámica IBSAL: Logística y análisis de la Cadena de Biomasa Integrada (Integrated Biomass Supply Analysis and Logistics) LP: Programación lineal MILP: Programación lineal entera mixta MISP: Programación estocástica entera mixta DS: Dinámica de Sistemas
Fuente. El Autor Los objetivos de los modelos matemáticos encontrados se presentan detalladamente en el Cuadro 8. Se observa que la mayoría de los modelos se dirigen a optimizar los costos o ganancia de la cadena, independientemente si el modelo busca el diseño, gestión o programación de la cadena. Cuadro 8. Objetivos y características de los modelos desarrollados en los artículos de SCM
Autor Año Objetivo
Chien y Yueyue 2012 Diseño y gestión de la cadena del bioetanol Minimización los costos de la cadena
Kim et.al. 2011 Diseño y gestión de la cadena de biocombustibles Maximización ganancia total de la cadena
Orjuela et. al. 2011a Pronostico del comportamiento de la producción de bioetanol Identificación de factores y variables relevantes en el sistema
Orjuela et. al. 2011b Identificación y análisis de factores y variables relevantes en lo que respecta a la problemática de la dicotomía en el uso del suelo.
Papapostolou et. al.
2011 Diseño y gestión de la cadena de biocombustibles Maximización el rendimiento total de la cadena
Zhang et.al. 2011 Gestión de la cadena forestal Maximización el beneficio económico de los boques Minimización el impacto negativo en el hábitat forestal
Zhu et. al. 2011 Gestión de la cadena de biomasa Maximización ganancia
Eksioglu y Petrolia
2010 Diseño y gestión de la cadena de biocombustibles Minimización del costo de la cadena
Flórez et. al. 2010 Análisis de políticas actuales de producción de biocombustibles y de cambios posibles para alcanzar la producción deseada.
51
Cuadro 8. (Continuación) Autor Año Objetivo
Huang et. al. 2010 Gestión de la cadena de suministro en un horizonte de planeación Minimización el costo de la cadena
Zapata et. al. 2010 Búsqueda de políticas que contribuyan al aumento de la oferta de biodiesel proveniente de palma de aceite.
Eksioglu et. al. 2009 Diseño de la cadena de suministro y gestión de una biorrefinería Minimización el costo de la cadena
Constantino, et. al
2008 Secuenciación de la cosecha
Lejars et. al. 2008 Programación de cosechas de la caña de azúcar Maximización ganancia
Ravula et.al. 2008 Disminución el tiempo de transporte del sistema
Dunnett et. al. 2007 Diseño de la cadena de Biomasa Minimización el costo total de la cadena
Kumar y Sokhansanj
2007 Diseño de la cadena de Biomasa Asegurar una producción neta de energía con una huella de carbono aceptable
Sokhansanj et. al.
2006 Diseño de un modelo operacional para el abastecimiento y transporte de la biomasa que cuantifique los recursos necesarios y el costo de operación
Martins et. al. 2005 Programación de cosechas Maximización el volumen de madera cortada
Troncoso y Garrido
2005 Diseño y gestión de la cadena Minimización el valor presente del costo de la cadena
Gunnarsson et. al.
2004 Gestión de la cadena Minimización costo total
Higgins y Postma
2004 Secuenciación de las cosechas Maximización rentabilidad
Gigler et. al. 2002 Ruteo y asignación de actividades Minimización el costo total de la cadena
De Mol et. al. 1997 Diseño de la cadena Minimización coto de la cadena Evaluación de costos y consumo de energía
Cundiff 1996 Gestión de la cadena de suministro Minimización los costos de la cadena
Gallis 1996 Evaluación de los efectos de variables logísticas sobre el costo
Fuente. El Autor Las características y variables de decisión de cada uno de los modelos evaluados se relacionan en el Cuadro 9. Se encuentra que la mayoría de modelos incluyen variables relacionadas con el flujo de mercancía (materias primas, productos intermedios y productos terminados) a través de la red, y variables relacionadas con la ubicación y tamaño (capacidad) de las instalaciones.
52
Cuadro 9. Características y Variables de los Modelos Matemáticos Autor Año Características Variables
Chien y Yueyue
2012 El modelo busca definir: tamaño y lugares de las biorefinerías y las terminales, estrategia de asignación de recursos como materia prima, plan de producción de etanol, y plan de transporte de la materia prima y del combustible.
Localización de las biorefinerías Localización de las terminales Capacidad (galones) de las biorrefinerías Galones de etanol producidos en las biorrefinerías Toneladas de Materias primas enviadas de las fuentes a las biorrefinerías Galones transportados de las biorrefinerías a las terminales Galones transportados de las terminales a las ciudades Déficit de galones en las ciudades
Kim et.al. 2011 El modelo se aplica para diseñar un sistema de refinamiento distribuido y uno más centralizado. El estudio evalúa los beneficios totales, valores, costo, y los diseños de la red de suministro de ambos sistemas.
Número óptimo, localización y tamaño de varios tipos de plantas de procesamiento La cantidad de biomasa, productos intermedios y producto final a ser transportado entre las locaciones en cada periodo de tiempo
Orjuela et. al. 2011ª El modelo busca la predicción del comportamiento futuro de la producción de caña panelera. La dinámica de la cadena productiva frente a la problemática es estudiada a partir de la identificación de factores y variables relevantes y su diagrama causal.
Producción Rendimiento Participación de la caña panelera en la valoración de la producción Participación del número de personas en el sector Variación y superficie cosechada
Orjuela et. al. 2011b Con el modelo se analiza la problemática de la producción de bioetanol a partir de la caña panelera y la repercusión que tiene en la seguridad alimentaria de la población colombiana.
Sector Población Empleo Parque Automotor Combustible Panela y Siembra
Papapostolou et. al.
2011 Facilita y apoya la toma de decisiones en la planificación de diversas cuestiones operacionales, tales como las inversiones en infraestructura, las cantidades de materias primas que se cultivan, las cantidades de biocombustibles que se producen en el mercado nacional o importados, identificando la mejor solución disponible para el diseño óptimo y el funcionamiento de la cadena de suministro de biocombustibles
Cantidad de producción de cada cultivador en cada escenario de clima Cantidad transportada de cada cultivador a la planta central, en cada momento de tiempo, proveniente de cada tipo de bodega, en cada escenario de clima Capacidad de cada tipo de almacenaje, en cada periodo de tiempo, de cada cultivador, en cada escenario de clima Exceso de capacidad de almacenaje a la
intemperie, en cada periodo de tiempo, de cada cultivador, en cada escenario de clima. Déficit en la biomasa enviada a la planta central en cada periodo, en cada escenario de clima
53
Cuadro 9. (Continuación) Autor Año Características Variables
Zhang et.al. 2011 El modelo considera la maximización del valor presente neto de los bosques, sujeto a restricciones de área de explotación total en cada período, y en la sostenibilidad de los flujos de madera aserrada.
Selección (si o no) de los sitios de recolección, planta de energía, sitios de pretratamiento Cantidad de flujo en la red
Zhu et. al. 2011 Sistema logístico de biomasa para la producción de biocombustible. Abarca desde la siembra y la cosecha hasta la entrega a la biorrefinería, incluyendo el manejo de residuos, centrándose en la integración de las decisiones estratégicas en el diseño de la cadena de suministro y las decisiones tácticas sobre el programa de operación anual
Cantidad de biomasa cosechada en cada periodo Cantidad de biomasa procesada en cada periodo en cada refinería Cantidad de biocombustible producido en cada periodo en cada refinería Niveles de inventario de biomasa y residuos en cada periodo Flujo de Biomasa y residuos en la cadena
Eksioglu y Petrolia
2010 Análisis del impacto de una instalación intermodal en las decisiones de localización y transporte para las plantas de producción de biocombustible, en este caso Etanol proveniente de maíz.
Localización y capacidad de las biorrefinerías Localización y capacidad de los sitios de recolección Cantidad de biomasa cosechada en cada sitio, en cada periodo de tiempo Cantidad de biomasa y combustible almacenado en cada facilidad, en cada periodo de tiempo Cantidad de flujo en la red, en cada periodo de tiempo Modo de transporte utilizado Cantidad de biocombustible producido en cada biorrefinería en cada unidad de tiempo
Flórez et. al. 2010 El modelo permite el análisis de la cadena productiva de biocombustibles, teniendo en cuenta el cultivo de las materias primas y la refinación de los biocombustibles.
Capacidades Rentabilidad Inversión Demandas Incentivos Precios
Huang et. al. 2010 El modelo matemático desarrolla la planeación estratégica, en un horizonte de tiempo, para la producción de biocombustibles a partir de diferentes biorresiduos.
Cantidad de flujo en la red en cada periodo Capacidad asignada a las biorrefinerías Asignación de biorrefinerías en cada periodo
Zapata et. al. 2010 El modelo estudia el comportamiento del aceite de palma y se propone diferentes políticas que ayuden a que se produzca un incremento en la oferta de biodiesel sin afectar lo que se dedica para el consumo humano.
Hectáreas sembradas de palma Hectáreas disponibles de palma Precios Costos Incentivos del gobierno Demandas Demandas no atendidas Inversiones
54
Cuadro 9. (Continuación) Autor Año Características Variables
Importaciones y exportaciones de palma
Eksioglu et. al.
2009 Determina el número, tamaño y ubicación de los bio-refinerías necesarias. Determina la cantidad de biomasa enviada, procesada e inventariada cada período de tiempo (Multiperiodo)
Número de biorrefinerías Ubicación de las biorefinerías Capacidad de las biorrefinerías Flujo de la biomasa en la red Niveles de inventario
Constantino, et. al
2008 Solución del modelo con Branch and bound (bifurcación y acotamiento) Restricciones de área máxima
Flujo en la agrocadena Asignación de actividades a los actores de la cadena
Lejars et. al. 2008 Planificación de la cosecha de caña de azúcar para mejorar la productividad y la ganancia
Cierre y reubicación de zonas de entrega Políticas de manejo del flujo de la caña en la cadena Técnicas utilizadas de cosecha y procesamiento
Ravula et.al. 2008 Secuenciación de las operaciones de transporte usando un número limitado de equipos especializados para la cosecha de la biomasa (algodón)
Asignación de Cosecha de cada región, por cada vía, en cada día de cosecha
Dunnett et. al. 2007 Determinar la selección de las facilidades logísticas, la capacidad y la asignación de tareas a las facilidades.
Utilización (o no) de cada facilidad logística en cada fase (momento) Asignación de tareas a cada facilidad logística Capacidad de cada refinería asignada en cada momento de tiempo Producción de cada refinería en cada momento de tiempo
Kumar y Sokhansanj
2007 Costos, energía de entrada y emisiones de carbono
Localización de cada tipo de planta Capacidad de cada tipo de planta Tasa de flujo de materia prima, producto intermedio y producto final en la red Cantidad de producto intermedio consumido en cada planta
Sokhansanj et. al.
2006 Simular la recolección, almacenamiento y operaciones de transporte para el abastecimiento de biomasa agrícola a la biorefineria
Estado (húmedo o seca) y forma de recolección de la materia prima. Estado (húmedo o seca) y forma en que se transporta de la materia prima.
Martins et. al. 2005 Modelo de programación entera para un problema de cosecha forestal no-temporal con restricciones en el tamaño de la tala rasa y en el área total de parcelas de edad madura con un tamaño mínimo requerido.
Estructura de la zona de suministro del ingenio Duración de las temporadas de procesamiento Capacidad de la cadena por unidad de tiempo Reglas de asignación de despachos
Troncoso y Garrido
2005 Localización y tamaños óptimos de las facilidades logísticas forestales. Adicionalmente los niveles de producción y flujos a generar en un horizonte de planeación.
Posibilidad de cosecha de cada sección de cada tipo de bosque
55
Cuadro 9. (Continuación) Autor Año Características Variables
Gunnarsson et. al.
2004 Cuándo y dónde los residuos forestales deben ser convertidos en combustible y cómo deben ser transportados y almacenados
Volumen de flujo en la red de cada presentación del producto Lugar de procesamiento de los productos
Higgins y Postma
2004 Incrementar la utilización de la infraestructura de transporte a través de la mejora en la secuenciación de las cosechas en la ferrovía y la carretera, suministrando la posibilidad de reducir los costos de transporte y cosecha.
Momento en que los módulos (dispositivos de proceso primario) son recogidos del campo de cultivo a la planta de proceso Días de programación del camión que recoge los módulos
Gigler et. al. 2002 Incluye dos características de los productos: Presentación (influenciada por la manipulación) y Calidad (influenciada por procesamiento, transporte y almacenamiento)
Asignación de recursos (mano de obra, equipo y estructura) Cantidad de biomasa producida y transportada
De Mol et. al. 1997 Desarrollo de dos modelos para obtener información sobre los costos y el consumo energético de la logística: uno de simulación y uno de optimización. La cadena estudiada incluye facilidades como: cultivos, recolección, transbordo, pre-tratamiento y plantas de energía.
Cantidad de hectáreas que se cortan por período en cada uno de las áreas de cultivo disponibles. Flujo en la red por periodo Ubicación de las instalaciones capacidad de las instalaciones Número de camiones utilizados por periodo Capacidad de expansión adicional en cada periodo
Cundiff 1996 Considera los problemas de almacenamiento, programación de cosechas y transporte
Flujo de biomasa en la cadena en cada momento de tiempo Capacidad de cada tipo de almacenamiento (almacén cubierto y a la intemperie) Cantidad de exceso y faltante de biomasa
Gallis 1996 Varios escenarios observados se utilizaron para definir el efecto del tiempo de inventario, la tasa de interés, y la pérdida de valor debido al deterioro de la fibra y los sistemas operativos sobre el costo por unidad y el costo total
Tiempo de inventario Tasa de interés Estado de la fibra Costo unitario y total
Fuente. El Autor 1.9.2 Cronología de los Modelos Matemáticos para la Gestión de la Cadena Productiva del Biodiesel. A partir de la revisión de la literatura sobre modelos matemáticos para la gestión de la cadena de biodiesel y cadenas afines que este documento ha considerado, se presenta una taxonomía de los mismos, basándose en la clasificación dada por CEPAL . En la Figura 21, las líneas punteadas representan estudios aplicados a una cadena productiva específica, por lo que va referida a un número, que corresponde al número del artículo (véase el
56
Cuadro 6). Las líneas continuas representan la clasificación genérica de los tipos de biomasa y sus usos. Figura 21. Taxonomía de los Modelos Revisados
Fuente. Los Autores En el Cuadro 9, se presentan los autores, las herramientas y el tipo de biomasa trabajados en los modelos estudiados en este trabajo. 1.9.2.1 Biomasa Lignocelulósica. En este grupo se muestran nueve artículos, de los cuales cinco tratan de biomasa forestal, entendiéndose ésta como biomasa de bosque. Los otros artículos, se refieren a cadenas de Sauce y Switchgrass (conocido también como pasto varilla o pasto alto). A su vez, la mayoría de estos modelos se enfocan en la cadena productiva de la biomasa, sin especificar el uso final; sólo tres se dirigen a usos concretos, como obtención de bioetanol, generación de calor y la industria de la madera (clasificados como otros usos). Biomasa Forestal. En 1996 Gallis, en Grecia, realizó un modelo de simulación de la cadena de biomasa forestal de Grecia, que constituye uno de los recursos renovables existentes de las materias primas no sólo para la generación de energía, sino también para la industria de transformación de la madera. El objetivo fue evaluar los efectos de variables logísticas sobre el costo de la cadena mediante la observación de varios escenarios.
57
En 2005, Troncoso y Garrido, en Chile, proponen un modelo MILP de producción y logística de la industria forestal, donde se consideran variables de decisión sobre: el flujo de la cadena; el diseño de la cadena, como tamaño y ubicación de las facilidades logísticas; y de producción, como el momento de cosecha de cada sección (parcela) de cada tipo de terreno. De manera independiente, en 2005, en Portugal, Martins43 proponen un modelo MILP para la programación de cosechas, con el fin de maximización del volumen de madera cortada. A diferencia de los anteriores estudios realizados, este modelo se centra en la parte operativa de la cadena productiva de la madera. Para resolver el mismo problema de programación de cosechas de madera, en 2008, Constantino et al. presentaron un nuevo modelo que comprende un número polinomial de variables y restricciones, utilizando la técnica “bifurcación y acotamiento” para solucionarlo. Como último estudio realizado en cadenas forestales se encuentra el de Zhang44 en 2011, en el cual presentan un modelo MILP para el diseño y gestión de la cadena maximizando su Valor Presente Neto, disminuyendo el impacto causado al hábitat forestal y asegurando la sostenibilidad de los flujos de madera. Cundiff 45 en 1996, plantea su modelo de programación lineal para la minimización del costo de la cadena de biomasa herbácea, aplicándolo en la cadena de switchgrass, considerando los costos de transporte, almacenamiento, y los costos de incertidumbre (faltante y exceso) de la producción causada por la variación del clima. En 2007, Kumar y Sokhansanj 46, describen un modelo IBSAL (Integrated Biomass Supply Analysis and Logistics) para cuantificar variables ecológicas como energía utilizada y huella de carbono en la cadena de biomasa de switchgrass. Zhu 47 en 2011, proponen un modelo matemático para la gestión de la cadena de biomasa a la biorrefinería, para la producción de biocombustible, en el cual se integran decisiones estratégicas para la planeación (a un año) y decisiones tácticas de programación de cosechas. Incluye características propias de la
43
MARTINS, Isabel; CONSTANTINO, Miguel and BORGES, José G. A column generation approach for solving a non-temporal forest harvest model with spatial structure constraints. In: European Journal of Operational Research. February – March, 2005. vol. 161, no. 2, p. 478-498 44
ZHANG, Huizhen; CONSTANTINO, Miguel and FALCÃO, André. Modeling forest core area with integer programming. Portugal: Centro de Investigação Operacional Universidade de Lisboa, 2011. p.41–55. 45
CUNDIFF, John S.; DIAS, Neil and SHERALI, Hanif D. A linear programming approach for designing a herbaceous biomass delivery system. In: Bioresource Technology. Bioresource Technology. January, 1997. vol. 59, no.1, p. 47–55 46
KUMAR, Amit and SOKHANSANJ Shahab. Switchgrass (Panicum vigratum, L.) delivery to a biorefinery using integrated biomass supply analysis and logistics (IBSAL) model. In: Bioresource Technology. June, 2007. vol. 98, p. 1033–1044. 47
ZHU, Xiaoyan. LI, Xueping. YAO, Qingzhu. CHEN, Yuerong. Challenges and models in supporting logistics system design for dedicated-biomass-based bioenergy industry. In: Bioresource Technology. January, 2011. vol. 102, p. 1344–1351.
58
cadena de switchgrass: frecuencia y temporada de cosecha, variación del contenido de la biomasa según las condiciones del tiempo, efectos del clima y la distribución dispersa de los cultivos. En 2002, Gigler 48 desarrollaron un modelo de programación dinámica (PD) para la optimización de costos de agrocadenas, aplicándolo a biomasa de Sauce. Este modelo se basa en dos características propias de los productos agrícolas: Presentación en cada etapa de la cadena (árbol, tronco, trozos o astillas) y Calidad del producto, influenciada por las actividades de procesamiento, transporte y almacenamiento de la biomasa. 1.9.2.2. Cultivos de Azúcar o Almidón. En este grupo se enuncian cuatro artículos, de los cuales dos tratan la cadena productiva de la caña de azúcar para la producción de azúcar (alimentos). El otro se refiere a la cadena productiva de maíz para la producción de bioetanol. En 2004, Higgins y Postma 49 de Australia, presentaron un modelo de MILP para la programación de cosechas, procesamiento primario y transporte de caña de azúcar, con el objetivo de maximización la rentabilidad, haciendo el mejor uso de sus recursos. Lejars 50 de Francia, en 2008 utilizaron simulación para planificar la cosecha de caña de azúcar con el fin de mejorar el rendimiento de esta, y por lo tanto, aumentar la ganancia de la cadena. Posteriormente, en 2010, Eksioglu y Petrolia 51 de USA, desarrollaron otro modelo para el diseño y coordinación de la cadena de biomasa para la producción de biocombustibles, pero esta vez analizaron el impacto de diferentes modos de transporte en la cadena. El modelo se aplicó para la producción de bioetanol a partir de maíz. Igualmente en 2010, Flórez 52 exponen un modelo de dinámica de sistemas para analizar las políticas actuales de producción de biocombustibles y los cambios
48
GIGLER, J.K. HENDRIX, E.M.T. HEESEN, R.A. VAN DEN HAZELKAMP, V. MEERDINK, G. (2002). On optimisation of agri chains by dynamic programming. Wageningen. In: European Journal of Operational Research. March, 2002. vol. 139, p. 613–625. 49
HIGGINS, Andrew J. POSTMA, Steve. (2004). Australian Sugar Mills Optimise Siding Rosters to Increase Profitability. In: Annals of Operations Research. April, 2004. vol. 128, no. 1, p. 235–249. 50
LEJARS, Caroline. LE GAL, Pierre-Yves. AUZOUX, Sandrine. (2008). A decision support approach for cane
supply management within a sugar mill area. In: computers and electronics in agricultura. March, 2008. vol. 60, no. 2, p. 239–249 51
EKŞIOĞLU, Sandra D. PETROLIA, Daniel. (2010). Analyzing the Impact of Intermodal Facilities to the Design and Management of Biofuels Supply Chain. In: State University. April, 2010. vol. 10. p.14 52
FLÓREZ B. Ana M.; FRANCO C. Carlos J. yDYNER, Isaac. Análisis de la producción de biocombustibles en Colombia. Universidad Nacional de Colombia. 8º Congreso Latinoamericano y 8º Encuentro Colombiano de Dinámica de Sistemas. Bogotá: 2010
59
posibles para alcanzar la producción esperada. En este modelo se trabaja la producción de biocombustibles, siendo fuente de etanol la caña y la yuca. En 2011, Orjuela, de Colombia, presentan una caracterización de la caña panelera en Colombia, así como los proyectos vigentes y el desarrollo para la producción de biocombustibles en este país. Los datos históricos son tratados con estadística multivariada y redes neuronales, con el fin de predecir el comportamiento futuro de la producción de caña panelera. También se presenta un diagrama causal donde se identifican los factores y variables relevantes en este sistema productivo. En el mismo año, Orjuela, mediante dinámica de sistemas realizan un análisis de factores y variables relevantes en lo que respecta a la problemática sobre la repercusión que tienen los cultivos de caña panelera para bioetanol sobre la seguridad alimentaria de la población colombiana. te grupo se muestran dos artículos. Uno hace referencia a la cadena de biomasa de algodón, sin especificar su uso final; el otro trata la cadena productiva de biodisel de primera generación a partir de diferentes materias primas. En 2008, Ravula 53 de Estados Unidos, desarrollaron un modelo de simulación discreta de la cadena de biomasa de algodón, con el fin de disminuir el tiempo de recolección (desde los cultivos hacia las instalaciones de procesamiento) de la biomasa con restricciones de equipos especializados para la cosecha. Flórez en 2010, en su modelo de dinámica de sistemas sobre producción de biocombustibles en Colombia, también consideran la producción de biodiesel a partir de palma de aceite. Igualmente, Zapata et al. hacen un análisis en dinámica de sistemas específico sobre la producción de biodiesel en Colombia a partir de palma de aceite. Éste modelo pretende probar políticas nacionales que contribuyan al aumento de la oferta de biodiesel buscando no afectar lo que se dedica para el consumo humano. Kim et al., en 2011, plantearon un modelo MILP para el diseño y gestión de la cadena de biocombustibles, esta vez aplicado a la producción de biodiesel a partir de fuentes como residuos forestales, raleo, podas, hierbas y virutas. A diferencia del modelo de Papapostolou, este modelo se enfocó en biomasa lignocelulósica, la cual requiere un proceso diferente del biodiesel de primera generación.
53
RAVULA, Poorna P. GRISSO, Robert D, CUNDIFF John S. (2008). Cotton logistics as a model for a biomass transportation system. In: Biomass and Biological Systems Engineering. June, 2008. vol. 32, no. 4, p. 314 – 325.
60
1.9.2.4 Subproductos y Residuos. En este grupo se encuentran ocho artículos, de los cuales seis tratan la cadena productiva de biomasa de residuos; uno la de subproductos (rastrojo de maíz); y el otro, trata conjuntamente la de residuos y subproductos. A su vez, la mayoría de estos modelos dirigen la biomasa a un uso específico: en esta caso para la producción de biodiesel, bioetanol o para generación de calor. Sokhansanj 54 en 2006, describen un modelo IBSAL para cuantificar los recursos necesarios y el costo de operación en el abastecimiento y transporte de la biomasa. Este modelo fue aplicado a la biomasa del rastrojo de maíz. En 2009, Eksioglu proponen un modelo matemático para la cadena de biomasa dirigida a biorrefinerías para la producción de biocombustibles. En este modelo se toman en cuenta variables de decisión a largo plazo (diseño de la cadena) y a mediano y corto plazo (gestión de la cadena), integrando estos dos niveles de decisión. El modelo es aplicado para la obtención de bioetanol a partir de rastrojo de maíz y biomasa leñosa (residuos forestales, pulpa de madera y madera de aserrío). En 1997 De Mol 55, desarrollaron dos modelos: uno de simulación, para cuantificar los costos y consumo de energía en la cadena, y otro de optimización MILP, para minimización el costo de la cadena. El objetivo de los modelos era el diseño de cadenas de biomasa de diferentes residuos de papel, madera, podas, raleo y sanitario para plantas de energía. Gunnarsson 56 en 2004, en Suecia, desarrollaron un modelo de programación lineal entera mixta (MILP por sus siglas en inglés) donde también trabajo la cadena de biomasa forestal para obtener combustible forestal, pero esta vez la fuente fue residuos forestales. El objetivo de este modelo fue minimización el costo total generando una estrategia de distribución y procesamiento de los residuos. Dunnet57 de Inglaterra, en 2007, presentaron un modelo MILP enfocado al diseño de la cadena de biomasa para centrales de combustión en la que se asignan las facilidades logísticas a utilizar en cada momento de tiempo, especificando sus
54
SOKHANSANJ Shahab, KUMAR Amit, TURHOLLOW, Anthony F. (2006). Development and implementation of integrated biomass supply analysis and logistics model (IBSAL). In: Biomass and Bioenergy. April, 2006. vol. 30, no. 10, p. 838–847. 55
DE MOL, R.M. JOGEMS, M.A.H. VAN BEEK, P. GIGLER, J.K. (1997). Simulation and optimization of the logistics of biomass fuel collection. In: Netherlands Journal of Agricultural Science. March, 1997. vol. 45, p. 219-228. 56
GUNNARSSON, Helene. RÖNNQVIST, Mikael. LUNDGREN, Jan T. (2004). Supply chain modelling of forest fuel. In: Linköping Institute of Technology European Journal of Operational Research. June, 2004. vol. 158, p. 103–123. 57
DUNNETT, A. ADJIMAN, C. SHAH, N. Biomass to heat supply chains Applications of Process Optimization. Centre for Process Engineering, Department of Chemical Engineering, Imperial College, London, UK., 2007
61
capacidades y tareas asignadas: recolección, compresión, secado, almacenamiento y transporte de la biomasa. Por su parte, Huang 58 de USA, en 2010, formularon un modelo MILP para la planeación de operaciones en un horizonte de tiempo determinado, para la producción de biocombustibles a partir de biorresiduos. Este modelo se aplicó para evaluar el potencial económico y las necesidades de infraestructura para la producción de bioetanol a partir de residuos de biomasa en California, USA. Así mismo, Papapostolou, en Grecia, en 2011, propusieron un modelo MILP genérico aplicado al diseño y gestión de la cadena de biocombustibles, considerando opciones de producción o importación de materias primas. El modelo se implementó en Grecia, en la cadena de biodiesel de primera generación, proveniente de materias primas como colza, algodón, girasol, cynara y soya. Por último Chen y Fan59 de USA, en 2011, plantearon un modelo de programación estocástica entera mixta para soportar la planeación estratégica de cadenas productivas de bioetanol a partir de residuos. Este modelo involucra tanto el diseño de la cadena (localización y capacidad de refinerías y terminales) y coordinación de la cadena (plan de transporte) en un ambiente de decisión, bajo incertidumbre. An en 2011, en su artículo de revisión, evalúan artículos referentes a modelos matemáticos aplicados a cadenas productivas de combustible basado en petróleo. Al igual que con los modelos de biocombustibles, los artículos son categorizados de acuerdo a dos dimensiones (nivel en la cadena de suministro y nivel de decisión) como se muestra en la Figura 22.
58
HUANG, Yongxi. CHEN, Chien-Wei. FAN, Yueyue. (2010). Multistage optimization of the supply chains of
biofuels. In: Journal Transportation Research Part E. November, 2010. vol. 46, no. 6, p. 820–830. 59
CHEN, Chien-Wei. FAN, Yueyue. (2011). Bioethanol supply chain system planning under supply and demand uncertainties. In: Journal Transportation Research Part E. june, 2011. vol. 48, p.150–164.
62
Figura 22. Categorización de los Artículos Relacionados a SCM de Combustibles Basados en Petróleo
Fuente. El Autor
Los modelos matemáticos desarrollados para la toma de decisiones en las cadenas productivas de combustible basado en petróleo se enfocan principalmente con los niveles medio y bajo de la cadena, es decir, “midstream” y “downstream”, correspondientes a los procesos de refinado y distribución a las estaciones de servicio. Adicionalmente, se evidencia una mayor concentración en modelos que apoyan las decisiones a nivel táctico; sin embargo, también se presentan modelos para los niveles operativo e integrado y ninguno para el nivel estratégico.
63
2. METODOLOGÍA El contexto de este trabajo investigativo aplica en diversos enfoques, en concordancia con el punto de vista de diferentes autores. Debido a que se identifica una situación particular, es pertinente plantear motivos y correlaciones en los sucesos tomados en cuenta. De acuerdo con lo anterior, se presenta un escenario que toma en cuenta los eventos inherentes a la misma solución; según Sampieri 60 éste tipo de estudios son Explicativos. Por otra parte, Hurtado61 establece una taxonomía más detallada y titula como Investigación Proyectiva (elaboración de una propuesta, un plan, un programa o un modelo, como solución a un problema o necesidad de tipo práctico, ya sea de un grupo social, de una institución, o de una región geográfica, en un área particular del conocimiento, a partir de un diagnóstico preciso de las necesidades del momento, los procesos explicativos o generadores involucrados y de las tendencias futuras, es decir, con base en los resultados de un proceso investigativo…) a los trabajos que además de lo anterior, generan una propuesta factible. En este trabajo en particular, el objeto principal consiste en proponer un modelo matemático que optimice la logística del flujo de los recursos de la Cadena Productiva del biocombustible biodiesel; se pretende, también, explicar el tratamiento actual que se da a los mismos y presentar una propuesta de mejoramiento; con base en esto, es pertinente citar a Bunge (1960): “…La ciencia es explicativa: intenta explicar los hechos en términos de leyes, y las leyes en términos de principios. Los científicos no se conforman con descripciones detalladas; además de inquirir cómo son las cosas, procuran responder al por qué: por qué ocurren los hechos como ocurren y no de otra manera…”62 Este trabajo investigativo se realizó según las fases metodológicas que se presentan en la Figura 23, las cuales parten de la caracterización de un objeto práctico y de un objeto teórico, sus interrelaciones y diferenciación entre sí.
60
SAMPIERI H., Roberto; FERNÁNDEZ-COLLADO, Carlos y BAPTISTA, Lucio. Metodología de la Investigación. México: Mc Graw Hill, 2006. p. 25 61
HURTADO DE BARRERA, Jacqueline. Metodología de la Investigación Holística. 3 ed. Caracas: Fundación Sypal, 2000. p. 45 62
BUNGE, Mario. La Ciencia. Su método y su filosofía. México: Siglo XXI, 1960. p. 35
64
Figura 23. Fases Metodológicas de esta Investigación
Fase I
Recopilación y análisis de la información, primaria (visitas de campo) y secundaria (publicaciones especializadas)
Fase II
Identificación del sistema (interrelaciones de los objetos práctico y teórico) Fase III
Diseño del Modelo de Programación Matemática (determinación de la herramienta)
Fase IV
Corrida del Modelo (utilización de GAMS, General Algebraic Modeling System), anexo
Fuente. HURTADO DE BARRERA, Jacqueline., Metodología de la Investigación Holística. 3 ed. Caracas: Fundación Sypal, 2000. p. 51 2.1 SITUACIÓN ACTUAL Se inició con una revisión documental y del estado del arte de la situación actual del sector de los biocombustibles. Como punto de partida, se tomaron informes de diferentes estamentos gremiales y de dos empresas que están instaladas en la región objetivo, el departamento colombiano del Meta: Biocastilla S. A (Castilla La Nueva) y Aceites Manuelita, S.A. (San Carlos de Guaroa), las cuales aportaron datos e información pertinentes para el desarrollo de este trabajo. Se realizaron dos visitas; una a la Biorrefinadora Bio D y otra a la mezcladora Biomax, ambas localizadas en el complejo industrial Mansilla, en Facatativá (Cundinamarca), donde se recopilaron datos procedentes de funcionarios idóneos que contribuyeró a la descripción de los objetos práctico y teórico de esta investigación.
65
En cuanto al objeto teórico, se revisaron: bases de datos científicas (Science Direct, SpringerLink, EBSCO-HOST, Scielo y Scopus), de congresos (Latinoamericano de Dinámica de Sistemas y Mundial de Investigación de Operaciones); de los ministerios colombianos de Agricultura y del Medio Ambiente; de entes nacionales como Fedebiocombustibles y Fedepalma; de entes internacionales como USDA (Departamento de Agricultura de Estados Unidos) y NACEPT (Consejo Consultivo Nacional de Políticas Ambientales y Tecnología); y, de organizaciones multinacionales como IICA (Instituto Interamericano de Cooperación para la Agricultura) y CEPAL (Comisión Económica para América Latina y el Caribe) (véase la Figura 24). Figura 24. Distribución de Información Secundaria Consultada
Fuente. El Autor En cuanto al objeto práctico, se realizó la revisión, análisis y clasificación de modelos matemáticos de SCM (Supply Chain Management) para cadenas productivas de biodiesel y cadenas afines: bioetanol, y otras de biomasa (caña de azúcar, cultivos forestales, entre otros). La fuente de información utilizada fueron las bases de datos científicas enunciadas. 2.2 DISEÑO DE LA INVESTIGACIÓN En el Cuadro 10 presenta los aspectos relevantes tenidos en cuenta en ésta investigación.
66
Cuadro 10. Diseño de la Investigación
Fuentes de Datos Temporalidad de la
investigación Amplitud de la investigación
Registros, documentos e información histórica sobre biocombustibles.
Diseño transeccional, abarca el momento presente, a partir de un diagnóstico de la situación actual; se genera una propuesta (de optimización, en este caso).
Diseño de una propuesta de optimización del flujo de los recursos (Logística), para una fuente de energía, en el Departamento del Meta, Colombia
Reuniones con funcionarios de empresas de biocombustibles (biorrefinadoras y mezcladoras
Fuente. HURTADO DE BARRERA, Jacqueline., Metodología de la Investigación Holística. 3 ed. Caracas: Fundación Sypal, 2000. p. 52 2.3 RECOLECCIÓN DE DATOS Finalizada la búsqueda bibliográfica, y contextualizados los datos provenientes de las visitas, se procedió a realizar la caracterización en términos generales de la Cadena Productiva del biodiesel en el Departamento del Meta, Colombia, para reconocer e identificar el sistema y su funcionamiento. 2.3.1 Reconocimiento e Identificación del Sistema. El departamento colombiano del Meta (véase la Figura 25) se encuentra ubicado en la Región Oriental del país, conformando un área geográfica denominada “Llanos orientales”, de gran extensión territorial. Sus tierras son aptas para el cultivo de la palma africana debido a su acidez (el pasto no es tan verde, como el de la Sabana de Bogotá y tiende más bien a un color amarillo).
67
Figura 25. Departamento del Meta
Fuente. ALCALDIA SAN MARTIN DE LOS LLANOS – META. Mapa Departamento
de Meta en línea . San Martin de los Llanos: La Alcaldía citado 20 febrero, 2013 . Disponible en Internet: <URL: http://sanmartin-meta.gov.co/mapas_municipio .shtml?apc=bcEl%20municipio%20en%20el%20departamento-1-&x=1858678> Las cadenas productivas de ACPM, producto de la mezcla de petrocombustible y biodiesel (a partir de palma africana), identifican a los siguientes integrantes (nodos): Cultivadores (obtienen los Racimos de Futa Fresca de la palma; se les llama “palmeros”), Extractoras (obtienen el aceite del fruto de la palma), Biorrefinadoras (obtienen el biodiesel producto del aceite) y Mezcladoras (obtienen el ACPM producto de la mezcla de biodiésel y petrodiésel). Para el Departamento del Meta, región objetivo de este trabajo de investigación, los nodos y sus particularidades son (ver 1.7 ESTRUCTURA DE LA CADENA PRODUCTIVA DEL BIODIÉSEL): 2.3.1.1 Cultivadores. Las áreas en desarrollo la palma están entre los 3 primeros años de vida, produciendo rendimientos menores que en las áreas en producción, en las cuales las plantaciones tienen entre 4 y 20 años de vida (el rendimiento de aceite es proporcional a la edad de la palma).
Se asume también que las áreas disponibles para próximos cultivos se encuentran adecuadas para la siembra y poseen los recursos necesarios para el establecimiento de los mismos (disponibilidad de agua, calidad del suelo, etc.).
68
Los cultivos se encuentran localizados en: Meta: San Carlos de Guaroa, Acacías, Cumaral, Barranca, Castilla, Villavicencio, Cabuyaro, Fuente de oro, Granada, Puerto López, Puerto Gaitán, Puerto Lleras, Puerto Rico, Restrepo, San Juan de Arama, San Martín y Vistahermosa. Cundinamarca: Medina y Paratebueno. Casanare: Yopal, Villanueva, Maní, Orocué, Aguazul, Tauramena. Figura 26. Obtención de los Racimos de Fruta Fresca de la Palma
Fuente. CORPORACIÓN COLOMBIANA DE INVESTIGACIÓN AGROPECUARIA
CORPOICA. La Palma Aceitera en el Perú y los Biocombustibles en línea .
Bogotá: CORPOICA CITADO 20 JUNIO, 2013 . Disponible en Internet: <URL: >
2.3.1.2Extractoras de Aceite. Las biorrefinadoras cuentan con su planta de extracción en las mismas instalaciones de biorrefinado, considerándose una distancia de 0 (cero) unidades; por efectos de pérdida de capacidad de extracción de aceite por exposición al ambiente de los Racimos de Fruta Fresca (RFF) recién obtenidos de la palma, las plantas de extracción se encuentran a una distancia no mayor de 8,96 kilómetros de los cultivos (Adarme 2011) (véase la Figura 23).
2.3.1.3 Biorrefinadoras. El Departamento colombiano del Meta cuenta con 2 biorrefinadoras: Biocastilla S. A., localizada en Castilla La Nueva y Aceites Manuelita S. A., localizada en San Carlos de Guaroa, hacia el Oriente (véase la Figura 27).
69
Figura 27. Localización de las Biorrefinadoras
Fuente. GOBERNACION DEL META. Localización de las Biorrefinadoras en
línea . Villavicencio: La Gobernación citado 20 junio, 2013 . Disponible en Internet: <www.meta.gov.co>
Las fotografías representan una evidencia de la información primaria recolectada. Fueron tomadas con la autorización de los funcionarios de las compañías respectivas y, simplemente, pretenden describir más gráficamente los eslabones de la Cadena Productiva que se estudia en esta investigación: la del biodiesel. Las Figuras 28, 29, 30, 31, 32 y 33 representan el tercer eslabón de la Cadena Productiva, “biorrefinadoras”; y las figuras 34, 35, 36 y 37 pertenecen al último eslabón, mezcladoras.
70
Figura 28. Área de ingreso Instalaciones de la Biorrefinadora Bio D (Facatativá)
Fuente. El Autor Figura 29. Área espera transportadores Instalaciones de la Biorrefinadora Bio D (Facatativá)
Fuente. El Autor
71
Figura 30. Instalaciones de Biorrefinamiento (el autor, a la derecha)
Fuente. El Autor Figura 31. Instalaciones de Biorrefinamiento
Fuente. El Autor
72
Figura 32. Instalaciones de Almacenamiento
Fuente. El Autor Figura 33. Área de Matrias Primas
Fuente. El Autor
73
2.3.1.4 Mezcladoras. Pertenecientes a diversas compañías petroleras, localizadas en: Antioquia: Medellín, La Pintada, Rionegro, Sebastopol, Turbo; Valle del Cauca: Guadalajara de Buga, Yumbo, Cartago, B/ventura; Risaralda: Pereira; Caldas: Manizales; Putumayo: Puerto Asís; Huila: Neiva; Tolima: Gualanday – Coello, Mariquita; Cundinamarca: Bogotá, Facatativá (Mansilla); Guaviare: San José del Guaviare.
Figura 34. Pasillo de ingreso (empleados / visitantes) Instalaciones de la Mezcladora Biomax (Facatativá)
Fuente. El Autor
74
Figura 35. Área Espera Transportadores
Fuente. El Autor Figura 36. Área de Descargue Biodiesel
Fuente. El Autor
75
Figura 37. Área de Almacenamiento (ACPM)
Fuente. El Autor 2.3.2 Técnica de Solución. La Programación Matemática es una aplicación de la Investigación de Operaciones que se vale de herramientas matemáticas para determinar la mejor decisión que optimice un cierto objetivo (denominado Función Objetivo), considerando una serie de limitaciones (denominadas restricciones), las cuales se modelan basándose en ecuaciones o inecuaciones. Las decisiones tomadas son las variables del problema y sus relaciones se generan a partir de la propia naturaleza de la situación y por las restricciones impuestas por la presencia de recursos limitados. Esta investigación propone un modelo de Programación Matemática escenificando variables enteras y continuas, denominado por ello como Programación Lineal Entera Mixta, el cual permite configurar una Cadena Productiva de flujo de recursos, donde los nodos de origen son las fincas con los cultivos de producción de palma africana y los nodos de destino son las instalaciones de abasto o mayoristas de mezcla (biodiésel más diésel proveniente del petróleo) para, finalmente, obtener diésel (ACPM) mezclado. Se identifican, además, los flujos y niveles de producción de palma (racimos de fruta fresca), de aceite, de biodiesel y de diésel.
La Programación Lineal ha sido clasificada como uno de los avances científicos más importantes de mediados del siglo XX. Es una herramienta de Programación Matemática que asigna “la mejor posible” (optimización). Más
76
precisamente, consiste en elegir el nivel de ciertas actividades que compiten por recursos escasos y que son necesarios para realizarlas. Posteriormente, los niveles de actividad que se eligen proporcionan la cantidad de recursos que consumirá cada una de ellas63.
La variedad de situaciones a las que se puede aplicar esta descripción es amplia, ya que abarca desde la asignación de instalaciones de producción hasta la asignación de recursos a las necesidades, independiente del tipo de negocio; como tal, entonces, es pertinente para este trabajo. De acuerdo con Taja “la Programación Lineal se aplica a modelos de optimización donde las funciones objetivo y las restricciones son estrictamente lineales, tal como lo presenta esta investigación”64.
63
HILLIER, Frederick y LIEBERMAN, Gerald. Introducción a la Investigación de Operaciones. 9 ed. México: Mc Graw Hill, 2010. p. 63 64
TAJA, Hamdy. Investigación de Operaciones. 7 ed. México: Pearson, 2004. p. 74
77
3. MODELO LOGÍSTICO DE PROGRAMACIÓN MATEMÁTICA PARA EL FLUJO DE RECURSOS Y AMPLIACIÓN DE CAPACIDADES
Este trabajo estudia la configuración de la Cadena Productiva de biodiésel en el Departamento del Meta, Colombia. Se basa en una metodología presente en modelos matemáticos que integran la toma de decisiones. Como consecuencia, se diseña el presente modelo que conlleva la coordinación de manera estructurada de cada uno de los eslabones que conforman dicha Cadena Productiva, integrando las etapas de producción agrícola, de procesos agroindustriales y, finalmente, de la obtención del biocombustible (ACPM). A continuación se relacionan las consideraciones para el modelo de programación matemática de esta investigación: 3.1 SUBÍNDICES t : Año m: Mezcladoras l: Biorrefinerías k: Extractora de Aceite j: Cultivo 3.2 SUPERÍNDICES p: Palma de Aceite Africana (palma) a: Aceite de Palma Africana (aceite) b: Biodiesel de Aceite de Palma Africana (biodiésel) d: ACPM; Aceite Combustible Para Motor, mezcla de Biodiesel de Aceite de
Palma Africana y ACPM fósil (diésel) 3.3 PARÁMETROS Los parámetros que se consideran para el modelo de programación matemática que trata este trabajo de investigación son los siguientes: 3.3.1 Demanda
mtD : Demanda de diésel de la mezcladora m en el año t (toneladas)
3.3.2 Factores de Conversión
paf : Factor de conversión de palma a aceite (tonelada de aceite / tonelada de
palma)
78
abf : Factor de rendimiento de aceite a biodiésel (tonelada de biodiésel / tonelada
de aceite) bd
tf : Factor de rendimiento de biodiesel a diésel en el año t (toneladas de diésel /
tonelada de biodiésel) 3.3.3 Costo de Transporte
p
jktCT : Costo de transporte de palma desde el cultivo j hasta la extractora k en el
año t por tonelada. a
kltCT : Costo de transporte de aceite desde la extractora k hasta la biorrefinería l el
año t por tonelada. b
lmtCT : Costo de transporte de biodiésel desde la biorrefinería l hasta la mezcladora
m en el año t por tonelada. 3.3.4 Capacidades 3.3.4.1 Capacidades de Producción
p
jC 0 : Capacidad inicial de producción (en toneladas por año) del cultivo j
a
kC 0: Capacidad inicial de producción (en toneladas por año) de la extractora k
b
lC 0: Capacidad inicial de producción (en toneladas por año) de la biorrefinería l
d
mC 0: Capacidad inicial de producción (en toneladas por año) de la mezcladora m
3.3.4.2 Capacidades de Almacenamiento
p
jCA : Capacidad de almacenamiento de palma en el almacén del cultivo j
(toneladas) a
kCA : Capacidad de almacenamiento de aceite en el almacén de la extractora k
(toneladas) b
lCA : Capacidad de almacenamiento de biodiesel en el almacén de la biorrefinería
l (toneladas) d
mCA : Capacidad de almacenamiento de diésel en el almacén de la mezcladora m
(toneladas) 3.3.4.3 Capacidades de Transporte
p
jktU : Capacidad de transporte de palma del cultivo j a la extractora k en el año t
(toneladas)
79
a
kltU : Capacidad de transporte de aceite de la extractora k a la biorrefinería l en el
año t (toneladas) b
lmtU : Capacidad de transporte de biodiesel de la biorrefinería l a la mezcladora m
en el año t (toneladas) 3.4.3.4 Capacidades de Instalación
p
jtCF : Costo fijo de instalación por tonelada de capacidad por del cultivo j en el año
t a
ktCF : Costo fijo de instalación por tonelada de capacidad de la extractora k en el
año t b
ltCF : Costo fijo de instalación por tonelada de capacidad de la biorrefinería l en el
año t 3.3.4.5 Capacidades de Inventario
p
th : Costo de mantener en inventario una tonelada de palma durante el año t a
th : Costo de mantener en inventario una tonelada de aceite durante el año t b
th : Costo de mantener en inventario una tonelada de biodiesel durante el año t d
th : Costo de mantener en inventario un galón de diésel durante el año t
3.4 VARIABLES Las variables que se definieron para el modelo de programación matemática que trata este trabajo de investigación son las siguientes: 3.4.1Variables de Flujo
p
jtX : Cantidad de palma cosechada en el cultivo j en el periodo t (toneladas)
p
jktQ : Cantidad de palma transportada del cultivo j a la extractora k en el año t
(toneladas) a
kltQ : Cantidad de aceite transportado de la extractora k a la biorrefinería l en el año
t (toneladas) b
lmtQ : Cantidad de biodiesel transportado de la refinería l a la mezcladora m en el
año t (toneladas) 3.4.2 Variables de Inventario
p
jtI : Nivel de Inventario de palma en el cultivo j al final del año t (toneladas)
80
a
ktI : Nivel de Inventario de aceite en la extractora k al final del año t (toneladas) b
ltI : Nivel de Inventario de biodiesel en la biorrefinería l al final del año t (toneladas) d
mtI : Nivel de Inventario de diésel en el mezcladora m al final del año t (toneladas)
3.4.3 Variables de Incremento de Capacidad
p
jtC : Incremento de capacidad del cultivo j en el año t (toneladas de palma/año)
b
ktC : Incremento de capacidad de la extractora k en el año t (toneladas de
aceite/año) b
ltC : Incremento de capacidad de la biorrefinería l en el año t (toneladas de
biodiesel/año) b
mtC : Incremento de capacidad de la mezcladora l en el año t (toneladas/año)
3.4.4 Variables de Capacidad
p
jtC : Capacidad del cultivo j en el año t (toneladas de palma/año)
a
ktC : Capacidad de la extractora k en el año t (toneladas de aceite/año) b
ltC : Capacidad de la biorrefinería l en el año t (toneladas de biodiesel/año) d
mtC : Capacidad de la mezcladora m en el año t (toneladas de diésel/año)
3.5 FORMULACIÓN Con base los parámetros y las variables establecidos, a continuación se presentan las relaciones matemáticas de optimización. 3.5.1 Función Objetivo
L
l
T
t
b
lt
b
t
K
k
T
t
a
kt
a
t
J
j
T
t
p
jt
p
t
M
m
T
t
d
mt
d
t
L
l
T
t
b
lt
b
t
K
k
T
t
a
kt
a
t
J
j
T
t
p
jt
p
t
M
m
N
n
T
t
d
mnt
d
mnt
L
l
M
m
T
t
b
lmt
b
lmt
K
k
L
l
T
t
a
klt
a
klt
J
j
K
k
T
t
p
jkt
p
jkt
CCFCCFCCF
IhIhIhIh
QCTQCTQCTQCTCostoMin
1 11 11 1
1 11 11 11 1
1 1 11 1 11 1 11 1 1
(1)
3.5.2 Restricciones Balance de masa de cultivos
81
tjIQIX p
jt
K
kl
p
jkt
p
tj
p
jt ,)()1( (2)
Balance de masa de las extractoras de aceite
tkIQIQf a
kt
L
l
a
klt
a
tk
J
j
p
jkt
pa ,)()(1
)1(
1
(3)
Balance de masa de las biorrefinerías
(4)
Balance de masa de las mezcladoras
tmIDIQf d
mtmt
d
tm
L
l
b
lmt
bd
t ,)( )1(
1
(5)
Capacidad Cultivos
tjCX p
jt
p
jt ,
(6)
tjCCC p
jt
p
tj
p
jt ,)1(
Capacidad Extractoras
tkCQf a
kt
J
j
p
jkt
pa ,1
(7)
tkCCC a
kt
a
tk
a
kt ,)1(
Capacidad Biorrefinerías
tlCQf b
lt
K
k
a
klt
ab ,1
(8)
tlCCC b
lt
b
tl
b
lt ,)1(
Capacidad Mezcladoras
tlCQf d
mt
L
l
b
lmt
bd
t ,1
tlIQIQf b
lt
M
m
b
lmt
b
tl
K
k
a
klt
ab ,)()(1
)1(
1
82
tmCCC d
mt
d
tm
d
mt ,)1( (9)
83
Capacidad Almacenamiento
tjCAI p
j
p
jt ,
tkCAI a
k
a
kt ,
(10) tlCAI b
l
b
lt ,
tmCAI d
m
d
mt ,
Capacidad Transporte
tkjUQ p
jkt
p
jkt ,,
tlkUQ a
klt
a
klt ,, (11)
tmlUQ b
lmt
b
lmt ,,
3.6 PARAMETRIZACIÓN DEL MODELO La Cadena Productiva del biodiesel, según se ha determinado, consta de cuatro eslabones, cada uno de ellos con su respectiva justificación. A continuación se estructura la información para encontrar los datos de referencia necesarios para correr el modelo. 3.6.1 Índices 3.6.1.1 Cultivos j. La determinación de los cultivos se realizó consultando los reportes departamentales relacionados con la producción agrícola de cada uno de ellos. En el Cuadro 11 se relacionan, enumerados.
84
Cuadro 11. Cultivos de Palma de Aceite Africana en la Región Oriental
N° Departamento Cultivos (municipio)
1
Meta
San Carlos de Guaroa
2 Acacías
3 Cumaral
4 Barranca de Upía
5 Castilla La Nueva
6 Villavicencio
7 Cabuyaro
8 Fuente de oro
9 Granada
10 Puerto López
11 Puerto Gaitán
12 Puerto Lleras
13 Puerto Rico
14 Restrepo
15 San Juan de Arama
16 San Martín
17 Vistahermosa
18 C/marca Oriente
Medina-Páratebueno
19
Casanare
Yopal
20 Villanueva
21 Maní
22 Orocué
23 Aguazul
24 Tauramena
25 C/marca Centro Total C/marca Centro
Fuente. El Autor
3.6.1.2 Extractoras de Aceite k. Las extractoras existentes en el Departamento del Meta son Aceites Manuelita S. A. (Manuelita) y Biocastilla. Fue necesario incluir a Bio D (aunque no se localiza en el departamento del Meta), porque esta extractora abarca mercado de Bogotá y C/marca de las otras dos. No obstante, para no afectar la linealidad del modelo, se le asignaron costos cero (0) y distancias (0), así como restricciones de distribución. En el Cuadro 12 se relacionan enumeradas.
85
Cuadro 12. Extractoras
N° Empresa Extractora
1 Manuelita
Orocué
2 San Carlos de Guaroa
3 Biocastilla Castilla La Nueva
4 Bio D Facatativá (Mansilla)
Fuente. FEDERACION NACIONAL DE BIOCOMBUSTIBLES. Extractoras en
línea . Bogotá: FEDEBIOCOMBUSTIBLES citado 20 junio, 2013 . Disponible en Internet: <URL: http://www.fedebiocombustibles.com/v3/> 3.6.1.3 Biorrefinadoras de Aceite l. Las plantas de conversión de aceite de palma africana a biodiésel, en la región oriental, se relacionan en el Cuadro 13. Cuadro 13. Biorefinerías
N° Empresa Ubicación
(municipio)
1 Manuelita
San Carlos de Guaroa
2 Biocastilla Castilla La Nueva
3 Bio D Facatativá (Mansilla)
Fuente. FEDERACIÓN NACIONAL DE CULTIVADORES DE PALMA DE ACEITE
FEDEPALMA. Biorefinerias en lìnea . Bogotá: FEDEPALMA citado 25 junio,
2013 . Disponible en Internet: <URL: http://web.fedepalma.org/ambientales> Estas biorrefinerías tenderán a mantener el 43% de participación en el mercado (Región Oriental), donde la de Bio D será del 19,8%; las otras dos van a crecer según la participación que tienen actualmente. 3.6.1.4 Mezcladoras m. La Resolución número 18 2367, de diciembre 29 de 2009, emitida por el Ministerio de Minas y Energía de Colombia, relaciona las mezcladoras existentes en el país (a la fecha de elaboración de esta investigación). Las instalaciones de mezcla que son abastecidas por las productoras de biodiésel del departamento del Meta, se relacionan enumeradas en el Cuadro 14.
86
Cuadro 14. Mezcladoras abastecidas por Biorrefinaerías del Departamento del Meta
N° Zona Mezcladoras (municipio)
1
Noroeste
Medellín
2 La Pintada
3 Rionegro
4 Sebastopol
5 Girardota
6 Turbo
7
Suroeste
Guadalajara de Buga
8 Yumbo
9 Cartago
10 Buenaventura
11 Eje Cafetero
Pereira
12 Manizales
13
Tolima Grande
Puerto Asís
14 Neiva
15 Gualanday - Coello
16 Mariquita
17 Centro - Oriente
Bogotá
18 Faca (Mansilla)
19 San José del G.
Fuente. COLOMBIA. MINISTERIO DE MINAS Y ENERGÍA. Mezcladoras abastecidas por biorrefinaerías del departamento del Meta. Bogotá: El Ministerio, 2009 3.6.1.5 Periodos t. Se consideran los años desde 2012 (t=0), siendo el primer año de planeación el año 2013 (t=1), hasta el año 2043 (t=31).
3.6.2 mtD: Demanda de Diésel de la Mezcladora m en el año t (galones). Los
datos referentes a la demanda se toman a partir de cálculos realizados por la UPME (2012), para los veinte primeros años: “…la proyección de demanda de combustibles líquidos combina modelos de series de tiempo, econométricos y de optimización. Su aplicación está asociada a la dinámica de su consumo, disponibilidad de información y la prospectiva de desarrollo del mercado de cada energético.” Es de anotar que la fuente, UPME, calcula tres escenarios: bajo, medio y alto. Se toma el medio porque corresponde al escenario esperado. Para los siguientes die años, el autor aplica Suavización Exponencial con Tendencia con el SOFTWARE WINQSB. En la figura 38 se presenta la gráfica correspondiente.
87
Figura 38. Proyección de la Demanda de Diésel en Colombia 2013 - 2043
Fuente. El Autor 3.6.2.1 Determinación de la Demanda por Zonas. Para determinar estas demandas, se tomaron el número de estaciones de servicio existentes en cada departamento (véase la Figura 33), respecto a su porcentaje de participación. Los valores calculados se muestran en el Cuadro 15, con base en datos de Fedebiocombustibles. Cuadro 15. Número de Estaciones de Servicio por Departamento
DEPARTAMENTO EST. DE SERV.
% DE PARTICIPACIÓN
AMAZONAS 9 0,19
ANTIOQUIA 509 10,72
ARAUCA 26 0,55
S. ANDRÉS 6 0,13
ATLÁNTICO 179 3,77
BOGOTÁ 416 8,77
BOLÍVAR 147 3,1
BOYACÁ 192 4,05
CALDAS 103 2,17
CAQUETÁ 103 2,17
CASANARE 54 1,14
CAUCA 135 2,84
ESAR 168 3,54
CHOCÓ 68 1,43
CÓRDOBA 140 2,95
CUNDINAMARCA 332 7
GUANÍA 2 0,04
400.000
500.000
600.000
700.000
800.000
900.000
1.000.000
1.100.000
1.200.000
1.300.000
1.400.000
20
13
20
15
20
17
20
19
20
21
20
23
20
25
20
27
20
29
20
31
20
33
20
35
20
37
20
39
20
41
20
43
Ton
ela
das
Año
UPME
AUTOR
88
Cuadro 15. (Continuación)
GUAJIRA 137 2,89
GUAVIARE 47 0,99
HUILA 122 2,57
MAGADAENA 102 2,15
META 158 3,33
N. DE SANTANDER 98 2,06
NARIÑO 347 7,31
PUTUMAYO 94 1,98
QUINDÍO 60 1,26
RISARALDA 86 1,81
SANTANDER 216 4,55
SUCRE 79 1,66
TOLIMA 160 3,37
VALLE 430 9,06
VAUPÉS 4 0,08
VICHADA 17 0,36
4746 100
Fuente. FEDERACION NACIONAL DE BIOCOMBUSTIBLES. Número de Estaciones de Servicio por Departamento. Bogotá: BIOCOMBUSTIBLES, 2013 Cuadro 16. Demanda por Zonas
Región Departamentos Porcentaje
Noroeste Antioquia, Chocó 10.87%
Costa (Atlántica) Córdoba, Sucre, Bolívar, Atlántico,
Magdalena, Cesar, Guajira 25.36%
Centro Bogotá, Cundinamarca, Boyacá, Meta,
Casanare 29.71%
Tolima Grande Tolima, Huila, Caquetá 5.43%
Eje Cafetero Caldas, Quindío, Risaralda 3.26%
Nordeste
Santander, Norte de Santander, Arauca 5.07%
Suroeste Valle del Cauca, Cauca, Nariño, Putumayo 19.56%
Otros
0.74%
Total 100.00%
Fuente. El Autor En razón a que la Región Oriental abarca el 43% de la demanda nacional (Fedepalma 2012), sus biorrefinerías abastecerán las zonas más cercanas; por lo tanto se excluyen mezcladoras de las zonas Costa Atlántica y Nororiental, debido a que éstas existen biorrefinerías en la región. Así, la zona considerada abarca el 69,58% de la demanda nacional de diésel.
89
En el Cuadro 17 se calculan las demandas porcentuales para cada una de las mezcladoras abastecidas, basándose en el número de estaciones de servicio también (véase la Figura 34). Cuadro 17. Demanda Asignada a cada Mezcladora
Zona Mezcladora Porcentaje (%) de
Demanda
Noroeste
Medellín 3,62
La Pintada 1,21
Rionegro 1,21
Sebastopol 1,21
Girardota 1,21
Turbo 2,42
Suroeste
Guadalajara de Buga 1,36
Yumbo 6,82
Cartago 5,46
Buenaventura 4,09
Puerto Asís 1,91
Eje Cafetero Pereira 1,63
Manizales 1,63
Tolima Grande
Neiva 3,18
Gualanday - Coello 1,80
Mariquita 0,45
Centro - Oriente
Bogotá 14,96
Facatativá (Mansilla) 14,96
San José del Guaviare 0,44
Total (%) 69,58
Fuente. El Autor En el Cuadro 18 se registran las demandas por mezcladora para cada año considerado. A partir de la demanda pronosticada (véase la Figura 34), multiplicada por el porcentaje (%) de demanda de cada mezcladora, se calcula la demanda esperada para cada una de ellas.
90
Cuadro 18. Demanda de Diésel por Mezcladora por Año
Año
Demanda por Mezcladora (miles de Toneladas) Total
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
2013 254 85 85 85 85 169 96 478 382 287 134 114 114 223 126 32 1047 1047 31 4871
2014 263 88 88 88 88 175 99 495 396 297 139 118 118 231 131 33 1086 1086 32 5051
2015 273 91 91 91 91 182 103 514 411 308 144 123 123 240 136 34 1127 1127 33 5241
2016 282 94 94 94 94 188 106 531 425 319 149 127 127 247 140 35 1165 1165 34 5415
2017 290 97 97 97 97 194 109 547 437 328 153 131 131 255 144 36 1199 1199 35 5577
2018 299 100 100 100 100 199 113 563 451 338 158 135 135 262 149 37 1235 1235 36 5743
2019 308 103 103 103 103 205 116 579 464 348 163 138 138 270 153 38 1271 1271 37 5909
2020 317 106 106 106 106 211 119 596 477 358 167 142 142 278 157 39 1308 1308 38 6083
2021 326 109 109 109 109 217 123 614 491 368 172 147 147 286 162 40 1346 1346 40 6259
2022 335 112 112 112 112 224 126 631 505 379 177 151 151 294 167 42 1385 1385 41 6438
2023 344 115 115 115 115 230 130 648 519 389 182 155 155 302 171 43 1422 1422 42 6611
2024 353 118 118 118 118 236 133 665 532 399 187 159 159 310 175 44 1459 1459 43 6784
2025 362 121 121 121 121 241 136 681 545 409 191 163 163 317 180 45 1494 1494 44 6947
2026 370 123 123 123 123 247 139 697 557 418 195 166 166 325 184 46 1528 1528 45 7105
2027 378 126 126 126 126 252 142 712 570 427 200 170 170 332 188 47 1561 1561 46 7260
2028 386 129 129 129 129 257 145 727 582 436 204 174 174 339 192 48 1595 1595 47 7417
2029 394 131 131 131 131 263 149 743 594 446 208 177 177 346 196 49 1629 1629 48 7574
2030 403 134 134 134 134 268 152 758 606 455 213 181 181 353 200 50 1663 1663 49 7731
2031 411 137 137 137 137 274 155 773 619 464 217 185 185 360 204 51 1696 1696 50 7886
2032 420 140 140 140 140 280 158 790 632 474 222 189 189 368 208 52 1733 1733 51 8059
2033 429 143 143 143 143 286 161 807 646 484 226 193 193 376 213 53 1770 1770 52 8230
2034 438 146 146 146 146 292 165 824 659 494 231 197 197 384 217 54 1807 1807 53 8404
2035 447 149 149 149 149 298 168 841 673 505 236 201 201 392 222 55 1844 1844 54 8575
2036 456 152 152 152 152 304 172 858 686 515 241 205 205 400 226 57 1881 1881 55 8749
2037 465 155 155 155 155 310 175 875 700 525 245 209 209 408 231 58 1919 1919 56 8923
2038 474 158 158 158 158 316 178 892 713 535 250 213 213 416 235 59 1956 1956 58 9095
2039 483 161 161 161 161 322 182 909 727 545 255 217 217 423 240 60 1993 1993 59 9266
2040 492 164 164 164 164 328 185 926 741 555 260 221 221 431 244 61 2030 2030 60 9440
2041 501 167 167 167 167 334 189 943 754 566 264 225 225 439 249 62 2067 2067 61 9614
2042 510 170 170 170 170 340 192 960 768 576 269 229 229 447 253 63 2105 2105 62 9788
2043 519 173 173 173 173 346 195 977 781 586 274 233 233 455 258 64 2142 2142 63 9959
Fuente. El Autor
91
3.6.3 Factores de Conversión.
paf : Factor de conversión de palma a aceite (tonelada de aceite / tonelada de
palma) Factor conversión = 0,2108 toneladas de aceite / toneladas de palma
abf : Factor de rendimiento de aceite a biodiesel (tonelada de biodiesel / tonelada
de aceite) Factor conversión = 0,958 toneladas de biodiesel / toneladas de aceite
bd
tf : Factor de rendimiento de biodiesel a diésel en el año t (galones de diésel /
tonelada de biodiesel) Se considera el escenario donde se mantiene un porcentaje de mezcla constante de 10%, (UPME, 2012), por tanto el factor de conversión es 10. 3.6.4 Costos de Transporte
p
jktCT : Costo de transporte de palma desde el cultivo j hasta la extractora k
en el año t por tonelada. Según el Ministerio de Transporte, para el año 2003, el costo de transporte por tonelada por kilómetro de camión sencillo (C2) el de $251,09 y de $129,36 para tractocamiones (CS). Para calcular el costo actual se proyectó el precio basado en el incremento del precio del diésel (Tabla 19). Cuadro 19. Costo de Transporte por Tonelada por Kilómetro
Producto Tipo
Camión 2003 2013
transporte palma C2 $ 251,09 $ 487,43
Transporte otros CS $ 129,36 $ 251,12
Fuente. El Autor Las distancias de los cultivos a las extractoras por carretera (no lineal) se muestran en el Cuadro 20.
92
Cuadro 20. Distancias en Kilómetros de los Cultivos a las Extractoras en km
A (extractora) Manuelita Biocastilla
De (cultivo) Orocué San
Carlos Castilla
META
San Carlos 242.72 9* 50.03
Acacías 325.1 64.29 25.9
Cumaral 342 60.01 96
Barranca 372.9 100.33 161
Castilla 349 50.03 9
Villavicencio 309 64.39 112
Cabuyaro 227 187.4 174
Fuente de oro 394 49.58 70
Granada 378 54.97 53.7
Puerto López 215 53.43 136
Puerto Gaitán 105 146.16 246
Puerto Lleras 432 52 108
Puerto Rico 497 86.87 173
Restrepo 314 69.02 68
San Juan de Arama 412 81.6 88.9
San Martín 360 49.56 36.6
Vistahermosa 441 86.59 117
CUNDINAMARCA Medina-
Páratebueno 366 73.31 119
CASANARE
Yopal 270 204 315
Villanueva 365 105.33 168
Maní 190 162.59 306
Orocué 9 242.72 351
Aguazul 243 179.45 289
Tauramena 283 154.81 267
*Basada en Adarme et al. (2011)
Fuente. LAS DISTANCIAS.COM. Distancias entre ciudades en línea . Bogotá: La
Empresa citado 20 junio, 2013 . Disponible en Internet: <URL: www.lasdistancias.com> Por tanto, los costos de transporte por tonelada de los cultivos a las extractoras son los siguientes (véase el Cuadro 21):
93
Cuadro 21. Costos de Transporte por Tonelada de Cultivos a Extractoras, en $/ton - km
A (extractora) De (cultivo)
Manuelita Biocastilla
Orocué San
Carlos Castilla
Meta
San Carlos 118.308 43.87 24.386
Acacías 158.462 31.337 12.624
Cumaral 166.700 29.250 46.793
Barranca 181.761 48.904 78.476
Castilla 170.112 24.386 4.387
Villavicencio 150.615 31.385 54.592
Cabuyaro 110.646 91.344 84.812
Fuente de oro 192.046 24.167 34.120
Granada 184.247 26.794 26.175
Puerto Lopez 104.797 26.043 66.290
Puerto Gaitan 51.180 71.242 119.907
Puerto Lleras 210.568 25.346 52.642
Puerto Rico 242.251 42.343 84.325
Restrepo 153.052 33.642 33.145
San Juan de Arama 200.820 39.774 43.332
San Martín 175.474 24.157 17.840
Vistahermosa 214.955 42.206 57.029
C/marca Oriente Medina-Páratebueno 178398 35733 58004
Casanare
Yopal 131605 99435 153539
Villanueva 177911 51341 81888
Maní 92611 79251 149153
Orocué 4387 118308 171087
Aguazul 118445 87469 140866
Tauramena 137942 75459 130143
Fuente. El Autor
a
kltCT : Costo de transporte de aceite desde la extractora k hasta la
biorrefinería l el año t por tonelada. Cuadro 22. Distancias de Extractoras a Biorrefinerías en km
A (Biorrefinería) Manuelita Biocastilla
De (extractora) San Carlos Castilla
Maniuelita Orocué 242,72 -
San Carlos 0 -
Biocastilla Castilla - 0
Fuente. LAS DISTANCIAS.COM. Distancias entre ciudades en línea . Bogotá: La
Empresa citado 20 junio, 2013 . Disponible en Internet: <URL: www.lasdistancias.com>
94
Por tanto, los costos de transporte por tonelada de las extractoras a las biorrefinerías son los siguientes:
Cuadro 23. Costo de Transporte por Tonelada de Extractoras a Biorrefinerías en $/ton-km
A (Biorrefinería) Manuelita Biocastilla
De (extractora) San Carlos Castilla
Maniuelita Orocué 60.951,7 -
San Carlos 0 -
Biocastilla Castilla - 0
Fuente. El Autor
b
lmtCT : Costo de transporte de biodiesel desde la biorrefinería l hasta la
mezcladora m en el año t por tonelada.
Cuadro 24. Distancias de Biorrefinerías a Mezcladoras en km
De (Biorrefinería) Manuelita Biocastilla
A (Mezcladora) San Carlos Castilla
Noroeste
Medellín 621 604
La Pintada 699 682
Rionegro 586 569
Sebastopol 473 456
Girardota 595 595
Turbo 943 926
Suroeste
Guadalajara de Buga 575 557
Yumbo 625 608
Cartago 515 498
Buenaventura 688 671
Eje Cafetero Pereira 496 479
Manizales 479 462
Tolima Grande
Puerto Asís 881 864
Neiva 496 452
Gualanday - Coello 338 321
Mariquita 373 356
Centro - Oriente
Bogotá 177 160
Facatativá (Mansilla) 177 160
San José del Guaviare 145 256
Fuente. LAS DISTANCIAS.COM. Distancias entre ciudades en línea . Bogotá: La
Empresa citado 20 junio, 2013 . Disponible en Internet: <URL: www.lasdistancias.com>
95
Por tanto, los costos de transporte de las Biorrefinerías a las mezcladoras son los siguientes: Cuadro 25. Costo de Transporte por Tonelada de Biorrefinerías a Mezcladoras en $/Ton-km
De (Biorrefinería) Manuelita Biocastilla
A (Mezcladora) San Carlos Castilla
Noroeste
Medellín 156,046 151,676
La Pintada 175,633 171,263
Rionegro 147,256 142,887
Sebastopol 118,880 114,510
Girardota 149,416 149,416
Turbo 236,906 232,536
Suroeste
Guadalajara de Buga 144,368 139,873
Yumbo 157,050 152,681
Cartago 129,427 125,057
Bunaventura 172,770 168,501
Eje Cafetero Pereira 124,656 120,286
Manizales 120,387 116,017
Tolima Grande
Puerto Asís 221,337 216,967
Neiva 124,656 113,506
Gualanday - Coello 84,979 80,609
Mariquita 93,768 89,398
Centro - Oriente
Bogotá 44,549 40,179
Facatataivá (Mansilla) 44,549 40,179
San José del Guaviare 36,465 64,287
Fuente. El Autor 3.6.5 Capacidades
p
jC 0 : Capacidad de producción inicial (en toneladas por año) del cultivo j.
(véase el Cuadro 26)
96
Cuadro 26. Capacidad de los Cultivos (Área y Producción)
Cultivo Ha Ton/año
META
San Carlos 30.000 513.000
Acacías 13.000 222.300
Cumaral 6.407 109.560
Barranca 6.000 102.600
Castilla 9.000 153.900
Villavicencio 300 5.130
Cabuyaro 7.600 129.960
Fuente de oro 3.040 51.984
Granada 576 9.850
Puerto López 1.500 25.650
Puerto Gaitán 6.000 102.600
Puerto Lleras 2.318 39.638
Puerto Rico 675 11.543
Restrepo 457 7.815
San Juan de Arama 1.200 20.520
San Martín 14.040 240.084
Vistahermosa 500 8.550
CUNDINAMARCA Medina-Páratebueno 4.197 71.769
CASANARE
Yopal 185 3.163
Villanueva 9.709 166.019
Maní 794 13.580
Orocué 3.100 53.010
Aguazul 2.237 38.251
Tauramena 817 13.979
Fuente. El Autor
a
kC : Capacidad de producción (en toneladas por año) de la extractora k. No
se considera. La capacidad de las extractoras se considera mayor a la de las biorrefinaería, dado que el aceite también se utiliza para otros usos como cosméticos, alimentos, entre otros.
b
lC : Capacidad de producción (en toneladas por año) de la biorrefinería l
Cuadro 27. Capacidades de Producción
Fuente. Fedepalma 2012
Biorrefinería Ton / año
Manuelita 120.000
Biocastilla 15.000
Bio D 115.000
97
d
mC : Capacidad de producción (en galones por año) de la mezcladora m. No
se considera. La capacidad de las mezcladoras se considera mayor a la de las biorrefinerías. Capacidades de Transporte. No se considera. En este trabajo se busca determinar la capacidad requerida para cada año. 3.6.6 Costos Fijos
p
jtCF : Costo fijo de instalación por tonelada de capacidad del cultivo j en el
año t.. CORPOICA en su informe La Palma Aceitera en el Perú y los , el costo de mantener un cultivo de 10 hectáreas durante un año
es de 13.396 nuevos soles, lo que en pesos colombianos sería de COP 913.257,0 por una hectárea por año.
a
ktCF : Costo fijo de instalación por tonelada de capacidad de la extractora k
en el año t. No se considera, dado que no se toma en cuenta restricción de capacidad de las extractoras.
b
ltCF : Costo fijo de instalación por tonelada de capacidad de la biorrefinería
l en el año t. Para el modelo se define que los incrementos de capacidad deben ser múltiplos de 5.000 toneladas / año y las instalaciones tienen una vida útil de 20 años. Los costos de plantas de diferentes capacidades se presentan en el Cuadro 28: Cuadro 28. Costo de Instalación de las Biorrefinerías
CAPAC. (Ton/año) Rango Costo (USD)
Promedio (USD)
40000
10,000,000
13,000,000
11,500,000
60000
12,000,000
16,000,000
14,000,000
100000
16,000,000
25,000,000
20,500,000
Fuente. BIODIESELSPAIN. Costos de Inventarios en biocombustibles en línea .
Madrid: La Empresa citado 10 marzo, 2013 . Disponible en Internet: <URL: www.biodieselspain.com/2006/07/04/los-costos-de-invertir-en-biocombustibles>
Adicionalmente, el costo de una instalación de cero toneladas es de (0) cero pesos, teniendo un total de cuatro datos. Haciendo la regresión lineal fijando la intersección como cero, se obtiene los siguientes resultados (véase el Cuadro 29):
98
Cuadro 29. Resumen Regresión Lineal
Coeficiente de correlación múltiple 0,993
Coeficiente de determinación R^2 0,986
R^2 ajustado 0,653
Error típico 1841886
Intersección 0
Coeficiente capacidad 220,39
Fuente. El Autor Con base en lo anterior, incrementar la capacidad de una planta en una tonelada por año tiene un costo de USD 220,39, y dividido por los años de vida útil esperada (20), el costo anual por tonelada de capacidad sería de USD 11,02. En pesos colombianos (suponiendo una tasa de cambio promedio de COP 1900/USD) el costo sería COP 20.937,5. Así, el costo de la instalación de una planta con capacidad de 100.000 toneladas por año tendría un costo de COP 41.874’100.000 (USD 22’039.474) y el costo anual sería COP 2.093'750.000 (USD 1’101.974).
p
th : Costo de mantener en inventario una tonelada de palma durante el año t, a
partir del informe La Palma Aceitera en el Perú y los Biocombustibles CORPOICA, USD 155*1900(COP 1/USD1.900) = COP 294.500
a
th : Costo de mantener en inventario una tonelada de aceite durante el
año t., a partir del informe La Palma Aceitera en el Perú y los Biocombustibles CORPOICA, USD 118.2*1900(COP 1/USD 1.900) = COP 224.580 El costo de una tonelada de aceite es en promedio de USD 517 y el costo de mantenimiento está definido como 18% anual (USD 93/Ton*año). Por tanto, tomando una tasa de cambio de COP 1900/USD, el costo de mantenimiento se estima en COP 176.700/Ton*año.
b
th : Costo de mantener en inventario una tonelada de biodiesel durante el año t.,
a partir de www.fedebiocombustibles.com/v3/nota-web-id-1426.htm 362,8*1900(COP 1/USD 1.900) = COP 689.306,7
d
th : Costo de mantener en inventario un galón de diesel durante el año t., a partir
de http://www.minminas.gov.co/minminas/downloads/archivosEventos/6759.pdf 2317,4*300(COP1/USD1.900) = COP 641.220
99
4. RESULTADOS Los resultados de la aplicación del modelo matemático propuesto en esta investigación y las conclusiones de la misma se enuncian a continuación. 4.1 FUNCIÓN OBJETIVO (MINIMIZACIÓN) Costo total: COP 6.617E+12 Costo Inventario: COP 0.02670E+12 Costo Transporte: COP 1.041E+12 Costo Fijo (instalaciones): COP 5.549E+12 El Costo de inventario es el menor porque prácticamente no hay inventario de palma cosechada (Racimos de Fruta fresca), ya que se seca si no se procesa lo más pronto posible. Respecto al aceite, éste también debe procesarse lo más rápido posible porque se apelmaza; si esto sucede, regresarlo a su estado de procesamiento requiere de un calentamiento que consume recursos de tiempo y económicos; así que las biorrefinadoras evitan llegar a este punto. En lo que se refiere a las mezcladoras, el inventario también es bajo por la alta rotación de los combustibles (ver Resolución número 18 2367, de diciembre 29 de 2009, del Ministerio de Minas y Energía) en el país. El Costo de transporte no resulta tan alto el menor porque los cultivos de palma están sembrados a menos de 9 kilómetros de las extractoras (ver Tabla 19) y, éstas se localizan dentro de la zona objeto de estudio: el Departamento del Meta. Finalmente, muy pocos cultivos, los de los municipios limítrofes (de los departamentos de Casanare y Cundinamarca), están alejados. El Costo fijo es el más alto porque la inversión para la construcción de las instalaciones es considerable (véase el Cuadro 28).
100
4.2 p
jtX : CANTIDAD DE PALMA COSECHADA EN EL CULTIVO J EN EL
PERIODO T (TONELADAS) Figura 39. Palma Cosechada
Fuente. El Autor De acuerdo con el objeto de estudio de esta investigación, las políticas de favorecimiento regional (en este caso, el Departamento del Meta) y nacional hacia este producto agrícola van a continuar, y esto es lo que evidencia este resultado. Con base en el mismo, la Cadena Productiva de biodiesel, que inicia en este nodo (o eslabón), potencia la productividad de los nodos sucedentes hasta llegar al nodo final, las mezcladoras. Dentro del horizonte planteado para este trabajo de investigación, treinta años, la cantidad de cosecha de palma se duplicará (figura 31).
4.3 p
jktQ : CANTIDAD DE PALMA TRANSPORTADA DEL CULTIVO J A LA
EXTRACTORA K EN EL AÑO T (TONELADAS) No se almacena inventario de palma cosechada porque se seca muy rápido. Por lo tanto, la cantidad de palma cosechada en el cultivo j en el periodo t (toneladas) es igual a cantidad de palma transportada del cultivo j a la extractora k en el año t (toneladas). Este resultado es coherente con el resultado de los costos de inventario de la Función Objetivo. A continuación, en los Cuadros 30 y 31 se muestra la cantidad del flujo de palma entre los nodos respectivos de la Cadena Productiva del biodiésel. En los años
0
500000
1000000
1500000
2000000
2500000
3000000
3500000
Ton
ela
das
co
sech
adas
de
pal
ma
Años
101
inicial y final del horizonte de tiempo determinado e el estudio para el estudio de esta investigación Cuadro 30. Flujo de Palma Año 2013
A (extractora) Manuelita Biocastilla Bio D
Total De (cultivo) Orocué San Carlos Castilla Mansilla
META San Carlos 513000 513000
META Acacías 118450 118450
META Cumaral 0
META Barranca 0
META Castilla 153900 153900
META Villavicencio 0
META Cabuyaro 0
META Fuente de oro 0
META Granada 0
META Puerto lopez 0
META Puerto gaitan 0
META Puerto lleras 0
META Puerto rico 0
META Restrepo 0
META San Juan de arama 0
META San Martín 0
META Vistahermosa 0
C/MARCA Medina-Paratebueno 0
CASANARE Yopal 0
CASANARE Villanueva 0
CASANARE Maní 0
CASANARE Orocué 19843 19843
CASANARE Aguazul 0
ASANARE Tauramena 0
C/marca Centro Total C/marca Centro 686320 686320
Total 19842.873 513000 272350 686320 1491513
Fuente. El Autor
102
Cuadro 31. Flujo Palma Año 2043
a (extractora) Manuelita Biocastilla BioD
Total De (cultivo) Orocué San Carlos Castilla Mansilla
META San Carlos 513000 513000
META Acacías 222300 222300
META Cumaral 109560 109560
META Barranca 65035 65035
META Castilla 153900 153900
META Villavicencio 5130 5130
META Cabuyaro 0
META Fuente de oro 51984 51984
META Granada 7158 2692 9850
META Puerto lopez 25650 25650
META Puerto gaitan 0
META Puerto lleras 39638 39638
META Puerto rico 11543 11543
META Restrepo 7815 7815
META San Juan de arama 20520 20520
META San Martín 240080 240080
META Vistahermosa 8550 8550
CUNDINAMARCA Medina-Paratebueno 71769 71769
CASANARE Yopal 0
CASANARE Villanueva 0
CASANARE Maní 0
CASANARE Orocué 53010 53010
CASANARE Aguazul 0
CASANARE Tauramena 0
C/marca Centro Total C/marca Centro 1384800 1384800
Total 53010 937352 618972 1384800 2994133
Fuente. El Autor Según se puede observar en la Tabla 31, en el futuro estimado para este trabajo, la Biorrefinadora Manuelita se abstecerá de cultivos de otros municipios; la Biorrefinadora Biocastilla lo hará de menos. Finalmente, la Biorrefinadora Bio D
103
continuará abasteciéndose de Cundinamarca. De acuerdo con los datos de capacidad, esto se deberá que Aceites Manuelita es la que tiene mayor: 120.000 toneladas / año (Fedebiocombustibles, 2013). 4.4 a
kltQ : CANTIDAD DE ACEITE TRANSPORTADO DE LA EXTRACTORA K
A LA BIORREFINERÍA L EN EL AÑO T (TONELADAS) Y b
lmtQ : CANTIDAD DE
BIODIESEL TRANSPORTADO DE LA REFINERÍA L A LA MEZCLADORA M EN EL AÑO T (TONELADAS) Figura 40. Cantidad de Aceite Transportado y Cantidad de Biodiésel Transportado
Fuente. El Autor Estos dos resultados se presentan conjuntos en razón a su comportamiento similar (véase la Figura 40). La Cadena Productiva del biodiesel se incrementa en estos nodos centrales proporcionalmente al nodo inicial. Se evidencia la coherencia de la cantidad del flujo de recursos entre estos enlaces de la Cadena. Con base en que el biodiesel es el elemento objetivo de Cadena Productiva de este estudio, se presenta en el Cuadro 32, la cual muestra el flujo del bioombustible desde cada biorrefinería hasta cada mezcladora, considerando el horizonte definido para esta investigación.
0
100000
200000
300000
400000
500000
600000
700000
Ton
ela
das
tra
nsp
ort
adas
Años
Aceite
Biodiesel
104
Cuadro 32. Flujo Total del Biodiésel Durante los 30 Años (Toneladas/Año)
De (Biorrefinería)
Manuelita Castilla Bio D Total Demanda Biodiesel
% Abastecimiento hacia (Mezcladora)
Noroeste
Medellín 0 1197722 0%
La Pintada 0 399241 0%
RioNegro 0 399241 0%
Sebastopol 291449 107792 399241 399241 100%
Girardota 0 399241 0%
Turbo 0 798482 0%
Suroeste
Buga 0 451085 0%
Yumbo 0 2255424 0%
Cartago 579715 240559 820274 1804339 45%
B/ventura 0 1353254 0%
Eje Cafetero
Pereira 569757 63032 632789 632789 100%
Manizales 506846 31964 538810 538810 100%
Tolima Grande
Puerto Asís 0 538810 0%
Neiva 1051175 1051175 1051175 100%
Gualand. – Coello 558434 36571 595005 595005 100%
Mariquita 85331 63421 148751 148751 100%
Centro – Oriente
Bogotá 939094 46990 3959963 4946048 4946049 100%
Faca (Mansilla) 568226 1792736 2585081 4946043 4946049 100%
San José del G. 145529 145529 145529 100%
Total 4244380 3434240 6545044 14223664 23000235 62%
Fuente. El Autor El Cuadro 33 registra el flujo total de biodiesel durante los treinta años del horizonte de tiempo considerado en el estudio de esta investigación. Los resultados indican que las biorrefinerías cubren la demanda en proporción semejante a la actual; es decir, el nivel permanece. Igualmente, los alcances de cada una también se identifican con los actuales. Esto indica que las circunstancias que rodean la Cadena Productiva del biocombustible Biodiésel presentan comportamiento semejante de crecimiento a través del tiempo.
4.5 p
jtI : NIVEL DE INVENTARIO DE PALMA EN EL CULTIVO J AL FINAL
DEL AÑO T (TONELADAS) El resultado es cero (0) porque no se almacena (referirse a 4.1)
105
4.6 a
ktI : NIVEL DE INVENTARIO DE ACEITE EN LA EXTRACTORA K AL FINAL
DEL AÑO T (TONELADAS) Cuadro 33. Nivel de Inventario de Aceite en la Extractora k al Final del Año t (toneladas)
Año
Inventario Aceite (Ton.) Producción Total (Ton.)
% Almacenado BioD
2013 97.3 314414 0.03%
2019 1107.8 385231 0.29%
2022 806.3 415611 0.19%
2028 740.3 480475 0.15%
2029 4254.8 487255 0.87%
2030 2888.1 510135 0.57%
2031 2288.3 511475 0.45%
2032 8012.5 506675 1.58%
2033 6242.8 531275 1.18%
2034 2504.7 550255 0.46%
2037 536.7 576015 0.09%
2038 193.5 594295 0.03%
Fuente. El Autor De acuerdo con resultados registrados en la tabla 31, en algunos años se almacena inventario, pero n muy bajas cantidades. Tal como se ha venido explicando, esta actividad no es favorable para el producto. 4.7 b
ltI : NIVEL DE INVENTARIO DE BIODIESEL EN LA BIORREFINERÍA L
AL FINAL DEL AÑO T (TONELADAS) Cuadro 34. Nivel de Inventario de Aceite en la Extractora k al Final del Año t (toneladas)
Año
Inventario Aceite (Ton.)
Producción Total (Ton.) %
Almacenado BioD
2013 97.3 314414 0.03%
2019 1107.8 385231 0.29%
2022 806.3 415611 0.19%
2028 740.3 480475 0.15%
2029 4254.8 487255 0.87%
2030 2888.1 510135 0.57%
2031 2288.3 511475 0.45%
2032 8012.5 506675 1.58%
2033 6242.8 531275 1.18%
2034 2504.7 550255 0.46%
2037 536.7 576015 0.09%
2038 193.5 594295 0.03%
Fuente. El Autor
106
Los resultados para esta variable responden a la misma directriz de los anteriores. El almacenamiento de estos productos no es favorable y la Cadena Productiva exige bajo requerimiento en este punto (véase el Cuadro 34). 4.8 d
mtI : NIVEL DE INVENTARIO DE DIÉSEL EN EL MEZCLADORA M AL
FINAL DEL AÑO T (TONELADAS) Cuadro 35. Nivel de Inventario de Diésel en el Mezcladora m al Final del Año t (toneladas)
Año
Inventario Aceite (Ton.)
Producción Total (Ton.) %
Almacenado BioD
2013 97.3 314414 0.03%
2019 1107.8 385231 0.29%
2022 806.3 415611 0.19%
2028 740.3 480475 0.15%
2029 4254.8 487255 0.87%
2030 2888.1 510135 0.57%
2031 2288.3 511475 0.45%
2032 8012.5 506675 1.58%
2033 6242.8 531275 1.18%
2034 2504.7 550255 0.46%
2037 536.7 576015 0.09%
2038 193.5 594295 0.03%
Fuente. El Autor Finalmente, en este último nodo de la Cadena Productiva, se evidencia un nivel muy bajo de inventarios. Pero para las mezcladoras, esto no se debe a que el producto, en este caso biodiésel mezclado, presente descomposición (como en el caso de la palma) o apelmazamiento (como en el caso del aceite), sino por la rotación de los biocombustibles presente en el país (Ver Resolución número 18 2367, de diciembre 29 de 2009, del Ministerio de Minas y Energía, Colombia). 4.9 INCREMENTOS DE CAPACIDAD RESPECTO A CAPACIDADES
p
jtC : Incremento de capacidad del cultivo j en el año t (toneladas de
palma/año) respecto a p
jtX : Cantidad de palma cosechada en el cultivo j en el
periodo t (toneladas). Sólo se presentan incrementos en los cultivos que abastecen a la Biorrefinería Bio D, pero ésta no se ubica en la zona objeto de estudio y es en la zona limítrofe entre Meta, Cundinamarca y Casanare donde se están presentando mayores cubrimientos de áreas para cultivar (Meta: Secretaria de Planeación y Desarrollo Territorial – Información Socioeconómica e infraestructura de los 29 municipios del Meta. Contrato de prestación de servicios 0620/2011. www.scribd.com/doc/150224789/analisis-infraestructura-municipios. Cundinamarca: Secretaria de Agricultura de C/marca. www.cundinamarca.gov.co/
. Casanare: Agenda Interna de
107
Productividad y Competitividad de Casanare www.cccasanare.co/.../2013-02-08_11-53-30-amAgenda%20Interna%2...); no se presentaron incrementos en la capacidad de los cultivos asociados a las extractoras Biocastilla y Aceites Manuelita porque ésta es suficiente para cubrir la demanda, si se supone que toda la palma se destina para la producción de biodiesel y no para otros usos como alimentos, cosméticos, entre otros).
b
ktC : Incremento de capacidad de la extractora k en el año t (toneladas de
aceite/año) respecto a a
ktC : Capacidad de la extractora k en el año t
(toneladas de aceite/año). No se presentan resultados para esta variable porque no se consideró en el modelo debido a que se pueden tomar como infinitas, en razón a la gran cantidad de tierras disponibles todavía para cultivo: más de 2.000.000 de hectáreas (Secretaria de Planeación y Desarrollo Territorial – Información Socioeconómica e infraestructura de los 29 municipios del Meta. Contrato de prestación de servicios 0620/2011. www.scribd.com/doc/1502247 89/analisis-infraestructura-municipios).
b
ltC Incremento de Capacidad de la Biorrefinería l en el Año t (Toneladas
de biodiesel/año) respecto a b
ltC : Capacidad de la biorrefinería l en el año t
(toneladas de biodiesel/año)
Figura 41. Incremento de Capacidad de la Biorrefinería Respecto a la Capacidad de la Biorrefinería
Fuente. El Autor La Figura 41 muestra un crecimiento mayor en las refinerías Bio D y Manuelita, respecto a la Refinería de Castilla. Esto se debe a que las dos primeras tienen una capacidad inicial mayor: Bio D, 115.000 toneladas / año y Manuelita, 120.000
0
50
100
150
200
250
300
Mile
s d
e T
on
ela
das
/Añ
o
Manuelita
Castilla
BioD
108
toneladas / año; la refinería de Castilla, 15.000 toneladas / año. De acuerdo con lo anterior, el tiempo y su costo requerido para construir o ampliar instalaciones de biorrefinamiento, representa un factor considerablemente importante para el incremento de la capacidad en este tipo de instalaciones. Así mismo, se observa que las biorrefinerías BIO D y Castilla crecen inicialmente más que Manuelita. Esto se debe a que no tienen cultivos propios (Bio D) o éstos son de poca extensión (Castilla); es decir, dependen de abastecedores independientes. En tanto que Manuelita sí los tiene, debiendo esperar a que sus plantaciones maduren. Las biorrefinerías Manuelita y Castilla presentan un lapso similar de constancia; Manuelita en los primeros años y Castillaen los últimos. Respecto a Manuelita, la razón se explicó en el párrafo anterior; en lo que se refiere a Castilla, la razón es que desde ese tiempo debe abastecerse de sus cultivos, esperando la edad madura de los mismos.
b
mtC : Incremento de capacidad de la mezcladora l en el año t
(toneladas/año) respecto a d
mtC : Capacidad de la mezcladora m en el año t
(toneladas de diésel/año). No se consideraron en el modelo por las mismas razones referidas respecto a los cultivos y las extractoras 4.10 CAPACIDAD TOTAL Figura 42. Capacidad Versus Demanda
Fuente. El Autor
0
100
200
300
400
500
600
700
Ton
ela
das
(m
iles)
Capacidad Total
Demanda 43%
109
La Figura 42 muestra una capacidad total siempre superior a la demanda. De acuerdo con la información primaria y secundaria obtenida y su análisis respectivo, la tendencia de crecimiento de áreas cultivadas y producción viene en aumento desde que se empezó la fabricación de los biocombustibles, en 2008. De acuerdo con la Secretaria de Agricultura del Departamento del Meta, en ese año había 84.251 hectáreas sembradas, lo cual equivale a una producción de 253.573 toneladas. Para 2010, estas cifras se incrementaron a 102.613 hectáreas y 293.848 toneladas. Estos resultados reflejan la política de expansión agrícola de la región, en lo referente a los cultivos de Palma de Aceite Africana.
110
5. CONCLUSIONES El modelo contempla el conjunto de organizaciones y procesos interrelacionados diseñado a partir de los modelos conceptuales de SCM (SUPPLAY CHAIN MANAGEMENT) de Bowersox Donald, et. al y de la Asociación Española de Codificación Comercial. Se desarrolla a partir de modelos clásicos de Programación Lineal, Flujo con Costo Mínimo y de Transbordo, en la Cadena Productiva del biocombustible biodiesel bajo una estructura empresarial y gubernamental conducente a la producción en el Departamento del Meta. Integra la logística de flujo de materiales antes contemplados por Shapiro (2001). Se definieron los eslabones (o nodos) integrantes de la Cadena Productiva del biocombustible biodiesel en la zona geográfica determinada para el estudio, lo cual se logró acopiando información primaria (de bases de datos científicas y publicaciones de entes nacionales e internacionales (gubernamentales y privados) y secundaria a través de dos visitas, a una biorrefinadora (BIO D) y a una mezcladora (Biomax). Se determinó el flujo de los requerimientos de la Cadena Productiva de biodiesel a partir de la estructura operativa de los elementos necesarios para la producción del biodiesel y la identificación y descripción de los procesos de producción específicos al biodiesel. Las conclusiones relativas al marco referencial arrojan en la revisión de la literatura ausencia de artículos científicos de modelos matemáticos de SCM de biocombustibles. La mayoría de artículos provienen de países refinadores de biocombustibles, como USA y varios países de la Unión Europea. Pero, prácticamente, nada de los países más productores de biomasa como son Malasia, Indonesia (Oriente), México, Brasil, Colombia y Argentina (América). Así mismo, no se encontró ningún artículo para el diseño de la cadena productiva de biodiesel a partir de palma de aceite africana. En razón de lo anterior, se presenta una referencia importante en este trabajo. A partir de la revisión de la literatura realizada en este estudio, se evidencia que la mayoría de modelos matemáticos se concentran en al diseño y gestión de cadenas de biomasa de residuos y plantas lignocelulósicas. Pocos modelos tratan cadenas de biocombustibles de primera generación (plantas oleaginosas para la producción de biodiesel y de azúcar o almidón para la producción de etanol). Lo anterior sugiere un campo de investigación abierto en relación a desarrollar modelos matemáticos de SCM para el biodiesel, que sirvan para apoyar la toma de decisiones en el diseño y gestión de estas cadenas productivas. Respecto a conclusiones sobre la Metodología, la identificación del sistema logístico exigió un riguroso análisis de las informaciones primaria (una visita de campo, una a la biorrefinadora Bio D y otra a la mezcladora Biomax, ambas en el
111
complejo Mansilla de Facatativá, Cundinamarca) y secundaria (publicaciones procedentes de bases de datos de fuentes científicas, organismos especializados (tanto nacionales como internacionales), universidades, entre otras) lo cual condujo a diseñar la cadena productiva específica del objeto práctico de estudio, a través de diferentes fases de solución, que combinen diferentes técnicas de la Programación Matemática. En éste caso, se utiliza la Programación Entera Mixta porque se tienen variables enteras y continuas. Las conclusiones sobre los modelos matemáticos para la cadena de los biocombustibles son diferentes a los de la cadena de los combustibles basados en petróleo. Mientras los modelos matemáticos para el biocombustible se concentran en un nivel alto de la cadena (upstream), los combustibles basados en petróleo se concentra en los niveles medio y bajo de la cadena (downstream y midstream). Esto probablemente debido a que mientras en la producción del biocombustible son importantes las decisiones relacionadas con la materia prima (a nivel operativo, táctico y estratégico), en el petróleo las decisiones en la cadena de los petrocombustibles se dirigen a los procesos de refinamiento y distribución, y a la extracción en yacimientos. Es evidente que la herramienta más utilizada en el diseño de modelos matemáticos de SCM es la Programación Lineal Entera Mixta (MILP, por sus siglas en inglés). La mayor parte de los modelos buscan apoyar la toma de decisiones en el diseño de la cadena (localización y plan de ampliación de capacidades), en las cuales se utilizan variables de decisión “booleanas” (variables enteras); y en la gestión de la cadena que contemplan los flujos a lo largo de la misma desde materias primas, productos intermedios hasta productos terminados (como variables continuas). El modelo de Programación Matemática aplicado (Programación Lineal Entera Mixta), permitió identificar el comportamiento de la producción de biodiésel, desde el nodo (o eslabón) inicial (Cultivo) hasta el último (mezcla del biodiesel con el diésel procedente del petróleo), para obtener finalmente biodiesel mezclado. Con base en esta situación, el horizonte de tiempo estimado, es coherente para establecer una Planeación Estratégica relativa a la producción de biocombustibles.
112
6. RECOMENDACIONES El modelo matemático aplicado constituye una herramienta de gestión flexible y puede ser útil para definir actividades de complementarias a la Cadena Productiva del biodiesel. No obstante, deben incluirse elementos exógenos al sistema, como equilibrio entre la generación de energía y la producción de alimentos, entre otros afines. El modelo matemático propuesto puede ser utilizado para la inclusión de nuevas materias primas, definir la ampliación de capacidades en las plantas de producción y, en general, para poder tomas decisiones de tipo táctico y estratégico (partes “media” y “alta “de la cadena Productiva), asociadas a las actividades de logística y producción. La aplicación del modelo matemático puede extenderse a la producción de otros biocombustibles, como bioetanol o biogás. Igualmente, para la producción de biodiesel a partir de materias primas diferentes a la Palma de Aceite Africana. En la medida en que se cuente con información sobre las pérdidas en los cultivos a causa de las plagas y enfermedades u otros factores relativos, se hace posible modelar la incertidumbre generada por estos factores en los cultivos, incluyéndola en la formulación general presentada. Los resultados de este modelo abren la posibilidad de crear estudios alternativos que contemplen variaciones en la demanda y ampliaciones en las capacidades instaladas de producción en las plantas extractoras y las biorrefinerías.
113
BIBLIOGRAFÍA ADARME JAIMES Wilson, FONTANILLA DÍAZ Carlos, ARANGO SERNA Martín Darío. Modelos Logísticos Para La Optimización Del Transporte De Racimos De Fruto Fresco De Palma De Aceite En Colombia. Universidad Nacional de Colombia. 2011 ADARME JAIMES Wilson, FONTANILLA DÍAZ Carlos, ARANGO SERNA Martín Darío. Modelos Logísticos Para La Optimización Del Transporte De Racimos De Fruto Fresco De Palma De Aceite En Colombia. Universidad Nacional de Colombia. 2011 Agenda Interna de Productividad y Competitividad de Casanare. www.cccasanare.co/.../2013-02-08_11-53-30-amAgenda%20Interna%2.... Agenda Interna de Productividad y Competitividad de Casanare. www.cccasanare.co/.../2013-02-08_11-53-30-amAgenda%20Interna%2.... AJANOVIC, A. HAAS, R. (2010). Economic challenges for the future relevance of biofuels in transport in EU countries. January – February, 2010. vol. 35, no. 8, p. 3340 AN, Heungjo. WILHELM, Wilbert E. SEARCY, Stephen W. (2011). Biofuel and petroleum-based fuel supply chain research: A literature review. In: Biomass and Bioenergy. October, 2011. vol. 35, no. 9, p. 3763 – 3774. ANTÚN, Juan. (1993), Logística: Una visión Sistémica. Santafandila: Instituto Mexicano de Transporte, 1993. p.2 ARÍSTEGUI, Juan Pablo. (2009). Los biocombustibles desde la perspectiva del comercio internacional y del derecho de la organización mundial del comercio. En: Revista de Derecho Valdivia. Julio – agosto, 2009. vol. 22, no. 1, p. 113 ASOCIACION PROFESIONAL DE ESTADOS UNIDOS. Definición de distribución
logística en línea . Washington: Consejo Nacional de Gestión de la Distribución
Física citado 10 enero, 2013 . Disponible en Internet: <URL: http://www.acronymfinder.com/National-Council-of-Physical-Distribution-Management-(NCPDM).html> AWUDU, Iddrisu y ZHANG, Jun. (2012). Uncertainties and sustainability concepts in biofuel supply chain management: A review. In: Renewable and Sustainable Energy Reviews. February – March, 2012. vol. 16, no. 2, p. 1359– 1368.
114
BALAT , Mustafa. Potential alternatives to edible oils for biodiesel production – A review of current work. En: Turquía. Energy Conversion and Management. February – march, 2011. vol. 52, no. 2, p. 1479 BALLOU, Ronald. Logística - Administración de la cadena de suministro. 5 ed. México: Prentice Hall, 2004. BENJUMEA, Pedro. AGUDELO, John. RIOS, Luis. (2009). Biodiesel: Producción Calidad y Caracterización. Universidad de Antioquia. Medellín, Colmbia. BENJUMEA, Pedro; AGUDELO, John; RIOS, Luis. (2009). Biodiesel: Producción Calidad y Caracterización. Medellín: Universidad de Antioquia, 2009. BOWERSOX Donald, CLOSS David. COOPER M. Bixby. (2007). Logística, Administración de la Cadena de suministro. Mcgraw Hill. México. BUNGE, Mario. La Ciencia. Su método y su filosofía. México: Siglo XXI, 1960. CARRANZA, Octavio. Logística, mejores prácticas en Latinoamérica. México: Thompson, 2005. CEPAL. Análisis comparativo de patentes en la cadena de producción de biocombustibles entre América Latina y el resto del mundo. Santiago, Chile. Comisión económica para América Latina y el Caribe. Memorias Diálogo de Políticas sobre desarrollo institucional e innovación en biocombustibles en América Latina y el Caribe. Santiago de Chile: La CEPAL, 28 y 29 de marzo, 2011. CHEN, Chien-Wei. FAN, Yueyue. (2011). Bioethanol supply chain system planning under supply and demand uncertainties. In: Journal Transportation Research Part E. june, 2011. vol. 48, p.150–164. CHOUINARD, Pascale. BRADT, Laura. PONCE José M. EL-HALWAGI, Mahmoud M. (2010). Incorporation of process integration into life cycle analysis for the production of biofuels. USA y Mexico. Clean Technologies and Environmental Policy. Volume 13, Number 5, 673-685. CONSTANTINO, Miguel. MARTINS, Isabel. BORGES, José G. (2008). A New Mixed-Integer Programming Model for Harvest Scheduling Subject to Maximum Area Restrictions. Lisboa, Potugal. OPERATIONS RESEARCH, Vol. 56, No. 3, May–June, pp. 542–551.
COUNCIL OF LOGISTIC MANAGEMENT. Definición de Distribución física en
línea . Michigan: Central Michigan University citado 10 enero, 2013 . Disponible en Internet: <URL: http://www.cba.cmich.edu/lmc/>
115
CUNDIFF, John S.; DIAS, Neil and SHERALI, Hanif D. A linear programming approach for designing a herbaceous biomass delivery system. In: Bioresource Technology. Bioresource Technology. January, 1997. vol. 59, no.1, p. 47–55 DE LA TORRE, Daniel. (2006). Developing Bioenergy: Economic and Social Issues. En: Bioenergy and Agriculture: Premises and Challenges. Diciembre, 2006; p. 5-6. Disponible en http://www. ífpri. org/2020/focus/focus14. pdf. DE MOL, R.M. JOGEMS, M.A.H. VAN BEEK, P. GIGLER, J.K. (1997). Simulation and optimization of the logistics of biomass fuel collection. In: Netherlands Journal of Agricultural Science. March, 1997. vol. 45, p. 219-228. DEMIRBAS, Ayhan. (2009). Progress and recent trends in biodiesel fuels. In: Energy Conversion and Management. January, 2009. vol. 50, no.1, p. 14 DEMIRBAS, Ayhan. DINCER, K. (2008). Sustainable Green Diesel: A Futuristic View. In: Energy Sources. 2008. Part A, vol. 30, p. 1233–1241 DEMIRBAS, Ayse Hilal. DEMIRBAS, Imren. (2007). Importance of rural bioenergy for developing countries. Trabzon, Turquía. Energy Conversion and Management 48 2386–2398. DUFEY, Annie. (2006). Producción y comercio de biocombustibles y desarrollo sustentable: los grandes temas. Documento de Discusión Número 2 de Mercados Sustentables. Londres: Instituto Internacional para el Medio Ambiente y Desarrollo, 2006. p. 3 DUNNETT, A. ADJIMAN, C. SHAH, N. Biomass to heat supply chains Applications of Process Optimization. Centre for Process Engineering, Department of Chemical Engineering, Imperial College, London, UK., 2007 ECOPETROL. (2007). Alianza entre Ecopetrol y Petrobras para Desarrollo de Combustibles. En: Boletín de Prensa, [en línea]. Disponible en <http.ecopetrol.com.co/contenido.aspx?catlD=148&conlD=129219> EKŞIOĞLU, Sandra D. ACHARYA, Ambarish. LEIGHTLEY, Liam E. ARORA, Sumesh. (2009). Analyzing the design and management of biomass to biorefinery supply chain. USA. Computers & Industrial Engineering 57: 1342–1352. EKŞIOĞLU, Sandra D. PETROLIA, Daniel. (2010). Analyzing the Impact of Intermodal Facilities to the Design and Management of Biofuels Supply Chain. In: State University. April, 2010. vol. 10. p.14
116
FAZAL, M.A. HASEEB, A.S.M.A. MASJUKI, H.H. (2010). Biodiesel feasibility study: An evaluation of material compatibility; performance; emission and engine durability. Kuala Lumpur, Malasia. Renewable and Sustainable Energy Reviews 15 1314–1324. FEDEPALMA XL CONGRESO NACIONAL DE CULTIVADORES DE PALMA DE ACEITE Informe de labores del Fondo de Fomento Palmero Ricardo Torres Carrasco Director de Planeación y Desarrollo Económico Sectorial Bucaramanga, Mayo 2012
FEDEPALMA. Palma en línea . Bogotá: La Federación citado 20 enero, 2013 . Disponible en Internet: <URL: http://www.fedepalma.org/palma.htm> FERREIRA, Viridiana. FORTES, Leda. FERRARA, María. LIMA, Alexandre. CORREA, Bruno. (2010). Biomass Residues in Brazil: Availability and Potential Uses. Received: 11 November 2009 / Accepted: 4 January 2010 / Published online: 7 February 2010. Springer. Science+Business. Media B.V. 2010. FLÓREZ B. Ana M.; FRANCO C. Carlos J. yDYNER, Isaac. Análisis de la producción de biocombustibles en Colombia. Universidad Nacional de Colombia. 8º Congreso Latinoamericano y 8º Encuentro Colombiano de Dinámica de Sistemas. Bogotá: 2010 GALLIS, Christos TH. (1996). Activity oriented stochastic computer simulation of forest biomass logistics in Greece. Forest Engineering Researcher, Greece. Biomass and Eioenergy Vol. 10. Nos 516, pp. 377-382. GIAMPIETRO, Mario. ULGIATI, Sergio. PIMENTEL, David. (1997). Feasibility of Large-Scale Biofuel Production. Does an enlargement of scale change the pictured?. BioScience Vol. 47 No. 9. October.1997. GIGLER, J.K. HENDRIX, E.M.T. HEESEN, R.A. VAN DEN HAZELKAMP, V. MEERDINK, G. (2002). On optimisation of agri chains by dynamic programming. Wageningen. In: European Journal of Operational Research. March, 2002. vol. 139, p. 613–625. GLOBAL SUPPLY CHAIN FORUM. What is Management in Supply Chain Management? – A critical review definitions. In: Journal of Management Policy and Practice. April – May, 2010. vol. 11, no. 4, p. 11. GUALTEROS S, Juan Manuel. Estudio prospectivo de la cadena productiva del biodiésel a partir de palma africana en Colombia. Bogotá: Universidad Nacional, 2011
117
GUNNARSSON, Helene. RÖNNQVIST, Mikael. LUNDGREN, Jan T. (2004). Supply chain modelling of forest fuel. In: Linköping Institute of Technology European Journal of Operational Research. June, 2004. vol. 158, p. 103–123. HANDFIELD, Robert y NICHOLS, Ernest. Introduction to Supply Chain Management. Upper Saddle River. New Jersey: Prentice Hall, 1999. HIGGINS, Andrew J. POSTMA, Steve. (2004). Australian Sugar Mills Optimise Siding Rosters to Increase Profitability. In: Annals of Operations Research. April, 2004. vol. 128, no. 1, p. 235–249. HILLIER, Frederick y LIEBERMAN, Gerald. Introducción a la Investigación de Operaciones. 9 ed. México: Mc Graw Hill, 2010. p. 63 HUANG, Yongxi. CHEN, Chien-Wei. FAN, Yueyue. (2010). Multistage optimization of the supply chains of biofuels. In: Journal Transportation Research Part E. November, 2010. vol. 46, no. 6, p. 820–830. HUANG, Yongxi; CHEN, Chien-Wei y FAN, Yueyue. (2010). Multistage optimization of the supply chains of biofuels. In: International Journal. March, 2010. vol. 46, no. 6, p. 820-830 HURTADO DE BARRERA, Jacqueline. Metodología de la Investigación Holística. 3 ed. Caracas: Fundación Sypal, 2000. p. 45 IADB. (2008). A blueprint for green energy in the Américas. [en línea]. Disponible en http://www.iadb.org/biofuels. Sustainable Energy and Biofuel Strategies for Colombia. En: Project Profile. [en base de datos en línea]. IICA. (2010). Atlas de la Agroenergía y los Biocombustibles en las Américas: II Biodiesel. - Instituto Interamericano de Cooperación para la Agricultura. Costa Rica. INSTITUTO INTERAMERICANO DE COOPERACIÓN PARA LA AGRICULTURA IICA. Atlas de la Agroenergía y los Biocombustibles en las Américas: II Biodiesel. Costa Rica: IICA, 2010. p.3 KAFAROV, V. OJEDA, K. SÁNCHEZ E. (2004). Situación y Perspectiva de biocombustibles en Colombia. En Centro de Investigaciones en Simulación y Control. Universidad Industrial de Santander. KIM, Jinkyung. REALFF Matthew J. LEE, Jay H. WHITTAKER Craig. FURTNER, Ludwig. (2011). Design of biomass processing network for biofuel production using an MILP model. Biomass and bioenergy 35 853 – 871.
118
KNOTHE, G. KRAHL, J. VAN, Gerpen J. (2005). Editors. The biodiesel handbook. Champaign, IL: AOC. KNOTHE, G. SHARP, CA. RYAN, TW. (2006). Exhaust emissions of biodiesel, petrodiesel, neat methyl esters, and alkanes in a new technology engine. Energy Fuels; 20:403–8. KRAWCZYK, T. (1996). Biodiesel - alternative fuel makes inroads but hurdles remain. INFORM;7:800–15 KUMAR, Amit and SOKHANSANJ Shahab. Switchgrass (Panicum vigratum, L.) delivery to a biorefinery using integrated biomass supply analysis and logistics (IBSAL) model. In: Bioresource Technology. June, 2007. vol. 98, p. 1033–1044. LAMBERT, Douglas. (1997). Supply Chain Management: More than a new name for Logistics. In: The International Journal of Logistic Management. January – february, 1997. vol. 8, no. 1, p. 3. LEJARS, Caroline. LE GAL, Pierre-Yves. AUZOUX, Sandrine. (2008). A decision support approach for cane supply management within a sugar mill area. In: computers and electronics in agricultura. March, 2008. vol. 60, no. 2, p. 239–249 MA, F. HANA, MA. (1999). Biodiesel production: a review. Biores Technol 1999; 70:1–15. MARTINS, Isabel; CONSTANTINO, Miguel and BORGES, José G. A column generation approach for solving a non-temporal forest harvest model with spatial structure constraints. In: European Journal of Operational Research. February – March, 2005. vol. 161, no. 2, p. 478-498 MENTZER, John; DEWITT, William; KEEBLER, James; MIN, Soonhong; NIX, Nancy; SMITH, Carlo y ZACHARIA, Zach. (2001). Defining Supply Chain Management. In: Journal of Business Logistics. 2001. May – Jun, 2001. vol. 22, no. 2. p.1 MITTELBACH, M. REMSCHMIDT, C. (2004). Biodiesels – the comprehensive handbook. Graz, Austria: Karl-Franzens University Press. MOREIRA. Marco. ILEANA. María. (2009). Modelos mentales y modelos conceptuales en la enseñanza & aprendizaje de las ciencias (Mental models and conceptual models in the teaching & learning of science). Tejina, La Laguna, Sta. Cruz de Tenerife, España.
119
NACEPT. (2007). Strategic Framework for Biofuels Efforts. National Advisory Council for Environmental Policy and Technology. Washington DC, Estados Unidos. NACEPT. (2007). Strategic Framework for Biofuels Efforts. National Advisory Council for Environmental Policy and Technology. Washington: NACEPT, 2007. NG, J.-H. NG, Hoon Kiat, GAN, S. (2009). Recent trends in policies, socioeconomy and future directions of the biodiesel industry. Malasia. Clean Techn Environ Policy 12: 213–238 NG, J.H.; NG, Hoon Kiat, GAN, S. (2009). Recent trends in policies, socioeconomy and future directions of the biodiesel industry. In: Clean Techn Environ Policy. September, 2009. vol. 19. no. 12, p . 213–238 ORJUELA, Javier y RODRÍGUEZ, Isaac. Panorama de las políticas y leyes del gobierno colombiano frente a la producción de alimentos agropecuarios y de producción de agrocombustibles. En: Estudios en Derecho y Gobierno. Junio – diciembre, 2009. vol. 2, no. 2, p. 83 ORJUELA, Javier. RODRÍGUEZ, Isaac. (2009). Panorama de las políticas y leyes del gobierno colombiano frente a la producción de alimentos agropecuarios y de producción de agrocombustibles. Estudios en derecho y gobierno. Pag-83 98. PAPAPOSTOLOU, Christiana; KONDILI, Emilia y KALDELLIS, John K. Development and implementation of an optimisation model for biofuels supply chain. In: Energy. October – November, 2011. vol. 36, no. 10, p. 6019 - 6026. RAVULA, Poorna P. GRISSO, Robert D, CUNDIFF John S. (2008). Cotton logistics as a model for a biomass transportation system. In: Biomass and Biological Systems Engineering. June, 2008. vol. 32, no. 4, p. 314 – 325. RODRÍGUEZ, Isaías. ORJUELA, Javier. (2009).Panorama de las políticas y leyes del gobierno colombiano frente a la producción de alimentos agropecuarios y de producción de agrocombustibles. Estudios en derecho y gobierno, Vol. 2, N° 2. Universidad Católica de Colombia. SAMPIERI H., Roberto; FERNÁNDEZ-COLLADO, Carlos y BAPTISTA, Lucio. Metodología de la Investigación. México: Mc Graw Hill, 2006. SERVERA, David. Concepto y evolución de la función logística. En: Revista Innovar. Mayo –junio, 2010. vol. 20, no. 38, p.
120
SOKHANSANJ Shahab, KUMAR Amit, TURHOLLOW, Anthony F. (2006). Development and implementation of integrated biomass supply analysis and logistics model (IBSAL). In: Biomass and Bioenergy. April, 2006. vol. 30, no. 10, p. 838–847. TAJA, Hamdy. Investigación de Operaciones. 7 ed. México: Pearson, 2004. p. 74 TRONCOSO, Juan J. GARRIDO, Rodrigo A. (2005). Forestry production and logistics planning: an analysis using mixed-integer programming. Pontificia Universidad Católica de Chile, Santiago de Chile, Chile. Forest Policy and Economics 7: 625– 633. UPME - Unidad de Planeación Minero Energética. Proyección de Demanda de Combustibles Líquidos y GNV en Colombia. Revisión Febrero 2012 UPME - Unidad de Planeación Minero Energética. Proyección de Demanda de Combustibles Líquidos y GNV en Colombia. Revisión Febrero 2012 URZELAIINZA. (2006). Manual Básico de Logística Integral, Díaz de Santos, España. VANDER. Marijn. AL, Fayc. ALOE, Alberto. (2009). Climate Change and Biofuels - Pan-European regional-scale modelling of water and N efficiencies of rapeseed cultivation for biodiesel. Research Centre of the European Commission, Via Fermi 2749, Ispra (VA) 21027, Italy. Global Change Biology 15, 24–37, doi: 10.1111/j.1365-2486.2008.01706.x YANDRA. MARIMIN. JAMARAN Irawadi, ERIYATNO. TAMURA, Hiroyuki. (2006). An integration of multi-objective genetic algorithm and fuzzy logic for optimization of agroindustrial supply chain design. Center for International Genetic Algorithms Research and Intelligent Systems Study (CIGARIS). Department of Agroindustrial Technology Faculty of Agricultural Technology. Bogor Agricultural University (IPB). Bogor, Indonesia. YEE, Kian Fei. TAN, Kok Tat, ABDULLAH. Ahmad Zuhairi. LEE, Keat Teong. (2009). Life cycle assessment of palm biodiesel: Revealing facts and benefits for sustainability. Pulau Pinang, Malasia. Applied Energy 86 S189–S196. ZAPATA R Sebastián., FRANCO C. Carlos J., Ana M. FLÓREZ B. (2010). Modelo de producción de palma de aceite. 8º Congreso Latinoamericano y 8º Encuentro Colombiano de Dinámica de Sistemas. ZHANG, Huizhen; CONSTANTINO, Miguel and FALCÃO, André. Modeling forest core area with integer programming. Portugal: Centro de Investigação Operacional Universidade de Lisboa, 2011. p.41–55.
121
ZHU, Xiaoyan. LI, Xueping. YAO, Qingzhu. CHEN, Yuerong. Challenges and models in supporting logistics system design for dedicated-biomass-based bioenergy industry. In: Bioresource Technology. January, 2011. vol. 102, p. 1344–1351.